生物醫(yī)學(xué)文獻是記錄、積累、傳播和繼承生物醫(yī)學(xué)知識的有效手段,是生物醫(yī)學(xué)科研人員獲取和交流領(lǐng)域知識的最基本、最重要的途徑。隨著生物醫(yī)學(xué)科學(xué)技術(shù)的迅速發(fā)展,生物醫(yī)學(xué)文獻呈現(xiàn)指數(shù)型增長。如何從這些海量生物醫(yī)學(xué)文獻中挖掘出潛在的規(guī)律和知識是當(dāng)前生物信息學(xué)的熱點問題之一。本文基于MedLine數(shù)據(jù)庫、PubMed搜索引擎、網(wǎng)絡(luò)爬蟲技術(shù)和數(shù)據(jù)挖掘算法,設(shè)計和實現(xiàn)了一個生物醫(yī)學(xué)文獻分析系統(tǒng),主要包括搜索詞關(guān)聯(lián)生物醫(yī)學(xué)文獻數(shù)據(jù)的獲取、文獻數(shù)據(jù)預(yù)處理、多維統(tǒng)計分析、聚類分析和結(jié)果可視化等功能。生物醫(yī)學(xué)文獻分析系統(tǒng)具有占用資源少、輕量便捷等優(yōu)勢,能夠輔助用戶深度挖掘生物醫(yī)學(xué)文獻的內(nèi)在規(guī)律,為其提供搜索詞所涉領(lǐng)域的關(guān)聯(lián)熱詞、研究團隊、主流期刊、地域熱度、研究趨勢和文獻聚集等信息,幫助用戶快速了解科研動態(tài),做出準確的科研決策,從而實現(xiàn)系統(tǒng)的應(yīng)用價值。主要研究內(nèi)容包括四個方面:（1）網(wǎng)絡(luò)爬蟲技術(shù)。生物醫(yī)學(xué)文獻分析系統(tǒng)以PubMed搜索引擎為橋梁連通MedLine數(shù)據(jù)庫,根據(jù)文獻頁面的呈現(xiàn)形式和存儲結(jié)構(gòu),基于XPath路徑定位頁面及信息,采用深度優(yōu)先策略爬取搜索詞相關(guān)聯(lián)的生物醫(yī)學(xué)文獻數(shù)據(jù)。（2）數(shù)據(jù)預(yù)處理及分析。... 

【文章來源】：曲阜師范大學(xué)山東省

【文章頁數(shù)】：78 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 課題研究內(nèi)容
    1.4 論文組織結(jié)構(gòu)
第2章 相關(guān)方法與技術(shù)簡述
    2.1 數(shù)據(jù)獲取方法
        2.1.1 API接口
        2.1.2 網(wǎng)絡(luò)爬蟲
    2.2 數(shù)據(jù)處理方法
        2.2.1 文本模型
        2.2.2 特征降維
        2.2.3 文本相似度計算
    2.3 文獻聚類算法
第3章 系統(tǒng)分析與設(shè)計
    3.1 系統(tǒng)總體需求
        3.1.1 系統(tǒng)處理需求
        3.1.2 系統(tǒng)開發(fā)需求
    3.2 系統(tǒng)總體架構(gòu)
        3.2.1 系統(tǒng)結(jié)構(gòu)設(shè)計
        3.2.2 系統(tǒng)功能設(shè)計
    3.3 系統(tǒng)模塊設(shè)計
        3.3.1 爬蟲設(shè)計
        3.3.2 多維分析模塊設(shè)計
        3.3.3 聚類分析模塊設(shè)計
    3.4 界面設(shè)計
第4章 系統(tǒng)功能實現(xiàn)
    4.1 數(shù)據(jù)獲取功能實現(xiàn)
        4.1.1 數(shù)據(jù)準備
        4.1.2 數(shù)據(jù)爬取
    4.2 多維分析功能實現(xiàn)
        4.2.1 文獻數(shù)據(jù)存儲
        4.2.2 文獻預(yù)處理
        4.2.3 詞頻統(tǒng)計
    4.3 聚類分析功能實現(xiàn)
        4.3.1 TF-IDF算法
        4.3.2 TF-IDF算法優(yōu)化
        4.3.3 權(quán)重計算和向量化實現(xiàn)
        4.3.4 Ward Method層次聚類算法
        4.3.5 文獻聚類實現(xiàn)
第5章 結(jié)果展示與分析
    5.1 系統(tǒng)頁面展示
    5.2 多維分析結(jié)果展示與分析
        5.2.1 關(guān)聯(lián)詞分析
        5.2.2 文獻作者分析
        5.2.3 接收期刊分析
        5.2.4 文獻發(fā)表趨勢分析
        5.2.5 國家分布分析
    5.3 文獻聚類結(jié)果展示與分析
        5.3.1 文獻數(shù)據(jù)獲取
        5.3.2 聚類結(jié)果可視化
第6章 總結(jié)與展望
參考文獻
攻讀碩士學(xué)位期間的研究成果
致謝


【參考文獻】：
期刊論文
[1]文本分類TF-IDF算法的改進研究[J]. 葉雪梅,毛雪岷,夏錦春,王波.  計算機工程與應(yīng)用. 2019(02)
[2]B/S模式醫(yī)學(xué)文獻分析系統(tǒng)設(shè)計與實現(xiàn)[J]. 陳碩,律苗,龍莉艷.  中國數(shù)字醫(yī)學(xué). 2018(09)
[3]基于生物醫(yī)學(xué)文獻挖掘的疾病-基因-藥物關(guān)系抽取研究[J]. 翟菊葉,葉澤坤,楊樞,劉長青.  新余學(xué)院學(xué)報. 2018(02)
[4]改進的TFIDF標(biāo)簽提取算法[J]. 王杰,李旭健.  軟件工程. 2018(02)
[5]面向知識發(fā)現(xiàn)的生物醫(yī)學(xué)文獻信息檢索與可視化設(shè)計[J]. 張莉,閔波,楊帆,張云宏,杜冰,許文娟.  醫(yī)學(xué)信息學(xué)雜志. 2017(12)
[6]醫(yī)學(xué)文獻檢索關(guān)鍵詞多維分析系統(tǒng)的設(shè)計與實現(xiàn)[J]. 曾展鵬.  中國中醫(yī)藥圖書情報雜志. 2017(01)
[7]基于Word2Vec的一種文檔向量表示[J]. 唐明,朱磊,鄒顯春.  計算機科學(xué). 2016(06)
[8]基于改進的TF-IDF算法的微博話題檢測[J]. 陳朔鷹,金鎮(zhèn)晟.  科技導(dǎo)報. 2016(02)
[9]Medas:一個基于Medline的生物醫(yī)學(xué)文獻分析系統(tǒng)[J]. 佘玉軒,熊赟.  計算機研究與發(fā)展. 2015(S1)
[10]智能導(dǎo)醫(yī)系統(tǒng)中TF-IDF權(quán)重改進算法研究[J]. 徐奕楓,劉利軍,黃青松,傅鐵威.  計算機工程與應(yīng)用. 2017(04)

碩士論文
[1]智能制造文獻分析系統(tǒng)的研究與實現(xiàn)[D]. 程銘.首都經(jīng)濟貿(mào)易大學(xué) 2018
[2]組學(xué)研究的脈絡(luò)梳理與趨勢展望—文獻挖掘視角[D]. 李靖宇.山西醫(yī)科大學(xué) 2018
[3]基于TF-IDF推薦算法的多樣性研究[D]. 熊魏.長江大學(xué) 2018
[4]基于生物醫(yī)學(xué)文獻數(shù)據(jù)的分布式爬蟲項目設(shè)計與實現(xiàn)[D]. 高揚.寧夏大學(xué) 2017
[5]面向Web文本挖掘的主題網(wǎng)絡(luò)爬蟲研究[D]. 陳晨.電子科技大學(xué) 2017
[6]金融資訊熱點挖掘系統(tǒng)的設(shè)計與實現(xiàn)[D]. 韓昫.北京郵電大學(xué) 2017
[7]科技文獻數(shù)據(jù)挖掘系統(tǒng)的研究與實現(xiàn)[D]. 林連志.北京郵電大學(xué) 2017
[8]基于文檔集的生物信息挖掘模型研究與實現(xiàn)[D]. 姜楠楠.東北農(nóng)業(yè)大學(xué) 2016
[9]基于引文網(wǎng)絡(luò)的文獻在線推薦系統(tǒng)研究和實現(xiàn)[D]. 馬丙超.大連理工大學(xué) 2016
[10]面向?qū)ｎ}情報服務(wù)的英文科技文獻深度加工與主題演化研究[D]. 吳洋.南京理工大學(xué) 2016



本文編號：3163299