摘要
针对生物医学文本挖掘中有效特征选择困难的问题,提出了一种新的基于膜粒子群优化和信息熵的文本特征选择方法.该方法以文本信息熵总和为目标函数,以膜系统的层次结构作为框架,以膜系统的消息传递机制作为进化方向,以粒子群优化进化作为进化规则.作为进化规则的粒子群优化算法,分别以局部搜索速率和全局搜索速率搜索得到文本信息熵最大的解,并在不同膜区域之间传递搜索结果,直到膜区域之间的消息传递结束或者达到限定的迭代次数.实验结果表明,利用提出的方法对医学文本特征进行选择后,对其进行分类,能使分类精确度和召回率分别提高2%和3%左右.
To select the effective features of biomedical literature,a novel particle swarm optimizer based on membrane system is proposed.This scheme utilizes total text information entropy as the fitness function,employs the structure of membrane system as the frame,sets mechanism of message transferring as the propagation direction,and considers particle swarm optimizer as the iteration rule.The particle swarm optimizer searches the best solution maximizing the total text information entropy at local and global searching rates simultaneously,and exchanges solutions between membrane regions till the communication between regions stops or iteration reaches the limit times.The experiment shows that feature selection by the scheme improves the precession and heightens the classification recall of biomedical literature by 2% and 3%.
出处
《西安交通大学学报》
EI
CAS
CSCD
北大核心
2012年第4期45-51,共7页
Journal of Xi'an Jiaotong University
基金
国家自然科学基金重点资助项目(60933009)
高等学校博士学科点专项科研基金资助项目(200807010013)
国家自然科学基金资助项目(60970065)
关键词
膜系统
粒子群优化
生物医学文本
特征选择
信息熵
membrane system
particle swarm optimizer
biomedical literature
feature selection
information entropy
