检索结果-南通市图书馆

Mining Syndrome Differentiating Principles from Traditional Chinese Medicine Clinical Data

Computer Systems Science & Engineering 2022年第3期40卷 979-993页

作者： Jialin Ma Zhaojun Wang Hai Guo Qian Xie Tao Wang Bolun Chen Jiangsu Internet of Things and Mobile Internet Technology Engineering Laboratory Huaiyin Institute of TechnologyHuaian223003China Huaiyin Wu Jutong Institute of Traditional Chinese Medicine Huaian223000China The Affiliated Huaian No.1 People’s Hospital of Nanjing Medical University Huaian223000China Jiangsu Eazytec Co. Ltd.WuxiChina University of Fribourg Fribourg1700Switzerland

Syndrome differentiation-based treatment is one of the key characteristics of Traditional Chinese Medicine(TCM).The process of syndrome differentiation is difficult and challenging due to its complexity,diversity and vagueness.Analyzing syndrome principles from historical records of TCM using data mining(DM)technology has been of high interest in recent years.Nevertheless,in most relevant studies,existing DM algorithms have been simply developed for TCM mining,while the combination of TCM theories or its characteristics with DM algorithms has rarely been reported.This paper presents a novel Symptom-Syndrome Topic Model(sstm),which is a supervised probabilistic topic model with three-tier Bayesian structure.In the sstm,syndromes are considered as observed topic labels to distinguish certain symptoms from possible symptoms according to their different positions.The generation of our model is in full compliance with the syndrome differentiation theory of TCM.Experimental results show that the sstm is more effective than other models for syndrome differentiating.

关键词： TCM syndrome differentiation topic model LDA sstm

来源：

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

基于动态情感主题模型的在线评论分析

引用

数据分析与知识发现 2017年第9期1卷 74-82页

作者：李慧胡云凤西安电子科技大学经济与管理学院西安710071

【目的】对在线评论进行分析,揭示评论文本主题的内容和情感分布变化规律。【方法】使用融入先验信息的sstm模型获得评论文档的情感分布,以文档、文档情感分布和词项为可视变量,提出DSTM模型,并估算情感主题分布和主题词项分布。【结果... 详细信息

【目的】对在线评论进行分析,揭示评论文本主题的内容和情感分布变化规律。【方法】使用融入先验信息的sstm模型获得评论文档的情感分布,以文档、文档情感分布和词项为可视变量,提出DSTM模型,并估算情感主题分布和主题词项分布。【结果】将采集的评论数据集按时间片划分进行建模,实验得到主题的内容和情感随时间的变化趋势。【局限】未考虑不同主题之间的关联关系,建模结果可能存在一定误差。【结论】融合时间外部特征的DSTM模型,能够有效地对在线评论进行主题演化分析。

关键词： sstm DSTM 参数估计情感在线评论

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：