基于机器学习的高血压病历文本分类

摘要：

为了探讨中文病历文本预处理后高维稀疏性的特点,导致文本分类精度低、算法模型收敛速度慢等性能问题,提出一种基于粗糙集的词袋(BOW)模型结合支持向量机(SVM)的文本分类算法(BOW+SVM).该算法首先采用BOW模型对特征词提取构建高维度文本空间向量,然后利用粗糙集的属性约简算法对文本特征处理,把模糊的、冗余的属性从决策规则中清除,降低空间向量维数,最后利用所提纯的特征与SVM分类器交叉结合进行文本分类.在Python+TensorFlow环境中设计六种交叉结合的算法仿真对比实验,结果表明:基于BOW+SVM高血压病历文本分类模型精准度可达97％.可见改进后的模型,能够解决样本分部不均,克服高维度稀疏特征空间的问题,有效改善病案管理工作流程.

关键词：文本分类、自然语言处理、粗糙集、词袋模型、支持向量机

所属期刊栏目：19

分类号：TP391.45(计算技术、计算机技术)

资助基金：国家自然科学基金81471330;江苏省教育厅高等教育研究课题2015JSJG261;江苏省大学生创新创业项目201810313047Y

在线出版日期：2019-12-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：296-301