计算机应用与软件
計算機應用與軟件
계산궤응용여연건
COMPUTER APPLICATIONS AND SOFTWARE
2010年
11期
4-5,19
,共3页
向量空间模型%文本聚类%生物医学文本
嚮量空間模型%文本聚類%生物醫學文本
향량공간모형%문본취류%생물의학문본
近年来, 随着生物医学文献数量的大量增加,对生物医学文献进行搜索和挖掘,查找有用的信息成为了生物信息学的一个重要研究方向.聚类作为一种无监督的自动化程度很高的机器学习方法,在信息检索和生物信息学领域中获得了广泛的运用.针对生物医学文本的特点提出了基于距离学习的聚类算法,实验结果证明了该方法的有效性.
近年來, 隨著生物醫學文獻數量的大量增加,對生物醫學文獻進行搜索和挖掘,查找有用的信息成為瞭生物信息學的一箇重要研究方嚮.聚類作為一種無鑑督的自動化程度很高的機器學習方法,在信息檢索和生物信息學領域中穫得瞭廣汎的運用.針對生物醫學文本的特點提齣瞭基于距離學習的聚類算法,實驗結果證明瞭該方法的有效性.
근년래, 수착생물의학문헌수량적대량증가,대생물의학문헌진행수색화알굴,사조유용적신식성위료생물신식학적일개중요연구방향.취류작위일충무감독적자동화정도흔고적궤기학습방법,재신식검색화생물신식학영역중획득료엄범적운용.침대생물의학문본적특점제출료기우거리학습적취류산법,실험결과증명료해방법적유효성.
