摘要：生物醫學文獻以非結構化的文字形式存在，文字挖掘能夠從海量的生物醫學文獻中發現有趣的知識和模式，可以提高對生物醫學文獻的管理和建設效率。本文針對生物醫學領域，闡述了文字挖掘的具體過程，論述了生物醫學文字挖掘現有的研究方法，詳細討論了生物醫學文獻的分類和關係抽取，最後對文字挖掘在生物醫學領域的應用前景做了展望。
關鍵詞：文字挖掘生物醫學文獻文字分類關係抽取
一、引言
資訊**時代，各行業每時每刻都在產生和積累大量的以各種形式儲存的資訊，這些資訊以指數級的速度不斷積累和增長，如何快速準確地從這些紛亂的資料中提取出有價值的資訊是急待解決的問題。文字挖掘是指從大量文字資料中抽取事先未知的、可理解的、最終可用的知識的過程，同時運用這些知識更好地組織資訊以便將來參考[1]。如今文字挖掘已經成為國際上非常活躍的乙個研究領域。
隨著生物醫學領域的快速發展，生物醫學文獻呈指數級增長，成為一座巨大的知識寶庫。然而面對如此大規模的、快速增長的科學文獻資料，即便是該領域內的專家也無法依賴手工方式從中獲取感興趣的資訊。由於生物醫學文獻絕大多數都是以非結構化的形式存在於文字檔案中，因此採用文字挖掘技術對生物醫學文獻資料進行管理是非常有必要的。
二、文字挖掘過程
文字挖掘通常包括文字資料預處理、特徵資訊提取和資料探勘三個步驟。文字挖掘過程如圖1所示：
圖1 文字挖掘過程
文字資料預處理的質量會直接影響到最終的結果，英文文字資料預處理包括無用詞過濾和詞幹化處理。文字特徵資訊提取是將非結構化或半結構化的文字資料轉化為挖掘工具可以處理的中間形式的過程，特徵提取首先要識別文字中包含重要資訊的特徵項。本文採用數學模型來表示這些特徵項，常用的特徵表示模型有布林模型、向量空間模型和概率模型，通過特徵表示得到的向量維數較高，特徵抽取的基本思想是利用對映的方法將高維特徵對映到低維空間中，特徵抽取一般是構造乙個評價函式，然後對每個特徵向量進行評估，刪除評估分數較低的特徵向量。
經過特徵資訊提取之後，文字資料以結構化形式儲存在資料庫中，因此計算機就可以對文字資料的特徵資訊進行分類、聚類、關聯分析和趨勢分析等資料探勘處理。
R語言文字挖掘
所需要的包tm text mining rj a,snowball,zoo,xml,slam,rz,rweka,matlab 文字挖掘是從大量的文字資料中抽取隱含的，求和的，可能有用的資訊。通過文字挖掘實現 associate 關聯分析，根據同時出現的頻率找出關聯規則 cluster 將相似的文件 ...
挖掘文字資源,提高學生習作水平
作者 葉雅敏 讀寫算 素質教育論壇 2014年第06期 中圖分類號 g623.24 文獻標識碼 a 文章編號 1002 7661 2014 06 0030 01 語文課程標準 指出 高年級寫作教學應貼近學生實際，讓學生易於動筆。那麼教師要在潛力領會教材的前提下，針對課文內容的可挖掘性，抓準訓練點，為...
借助文字資源,挖掘寫作素材,落實作文起步
作者 冷華梅 教育界 中旬 2017年第03期 摘要 三年級是作文教學的起步階段，教師在閱讀教學中充分利用文字資源，挖掘寫作素材，將閱讀教學與寫作教學相結合，讓學生的寫作練習有據可依，有話可寫，有情可抒，從而落實作文起步。關鍵詞 列提綱 想象 仿寫 續編 三年級是作文教學的起步階段，這個階段如果教學...