藥物專利的數(shù)據(jù)挖掘技術(shù)研究.pdf

1、目前，英、美、法等發(fā)達(dá)國(guó)家已經(jīng)建成了世界權(quán)威的專利數(shù)據(jù)庫(kù)，對(duì)藥物化學(xué)專利文獻(xiàn)處理方面的技術(shù)比較成熟，我國(guó)近幾年也十分重視藥物化學(xué)信息資源的建設(shè)和計(jì)算機(jī)處理水平的發(fā)展并取得了一定的成果。事實(shí)證明對(duì)專利文獻(xiàn)深度挖掘和高技術(shù)處理能夠明顯提高數(shù)據(jù)庫(kù)的查全率和查準(zhǔn)率，本文以此為出發(fā)點(diǎn)，使用目前被廣泛應(yīng)用于各個(gè)領(lǐng)域的數(shù)據(jù)挖掘技術(shù)全面處理了藥物專利中包含的化學(xué)結(jié)構(gòu)圖形和文本信息。 本論文運(yùn)用面向?qū)ο缶幊碳夹g(shù)，使用C++編程語(yǔ)言完善了本課題組開(kāi)

2、發(fā)的化學(xué)結(jié)構(gòu)圖形輸入輸出軟件StruDraw，實(shí)現(xiàn)了文字向結(jié)構(gòu)圖形的翻譯功能。用戶只需輸入要查找的化合物名稱便可在圖形輸出界面得到所需的化學(xué)結(jié)構(gòu)圖形，免去了費(fèi)時(shí)費(fèi)力查找資料的過(guò)程。 本文的重點(diǎn)是藥物專利文本信息的處理。保證查全率和查準(zhǔn)率的關(guān)鍵在于專利文獻(xiàn)的分類準(zhǔn)確度，數(shù)據(jù)挖掘類型之一便是文本的自動(dòng)分類，機(jī)器學(xué)習(xí)算法是實(shí)現(xiàn)數(shù)據(jù)挖掘技術(shù)的手段。本文為實(shí)現(xiàn)藥物專利分類的機(jī)器處理，結(jié)合藥物專利本身特點(diǎn)，使用機(jī)器學(xué)習(xí)算法實(shí)現(xiàn)了專利文本自動(dòng)

3、分類。首先對(duì)，2000余份藥物專利按照治療功能分類，抽取其中五類作為訓(xùn)練樣本，對(duì)每一類提取特征文本，使用向量空間模型將非結(jié)構(gòu)化的文本進(jìn)行數(shù)字化表示，分別使用支持向量機(jī)(Support Vector Machine，SVM)，樸素貝葉斯(Naive Bayes，NB)，徑向基神經(jīng)網(wǎng)絡(luò)(Radical Basis Function Network，RBFNetwork)對(duì)專利樣本進(jìn)行分類測(cè)試，并通過(guò)各種分類模型評(píng)估指標(biāo)對(duì)這三種分類算法進(jìn)行了