1、“.....每个病人的症状对应为事务，对应结果如表所示。根据原始数据得到每条病历的事务表，如表所示。在得到的结构化文本中，用用其中全部的非中文字符作为分割符分割成系列的短句。再把每个短句用关键词词典按照改进后的反向最大匹配算法进行关键词匹配若病历匹配到了个词条，则将该病历的该词条的记录值设置为，否则为。对病历数据集的每个病例数据重复上述操作，直到全部病历均被匹配完毕。最后遍历结数据挖掘在支气管炎电子病历中的应用研究论文原稿法粗糙集和决策树理论对数据做了处理最后采用改进的算法进行关联分析，实现数据信息知识价值的转变过程。关键词电子文本病历反向最大匹配关联规则中图分类号文献标识码文章编号引言随着医院信息系统的普及应用......”。

2、“.....医疗数据具数据集，找出两个互相包含的词条。数据挖掘在支气管炎电子病历中的应用研究论文原稿。研究流程本文的研究流程如图所示。文本病历数据预处理数据预处理的基本思路如图所示。候选词条数据集生成由于没有现成的分词词典，因此要先从数据集中选出可能的词汇，生成分词词典。首先，扫描病历数据集，现成的分词词典，因此要先从数据集中选出可能的词汇，生成分词词典。首先，扫描病历数据集，将每条病历记录中的选定属性用其中全部的非中文字符作为分割符分割成短句，再将全部病历的短句分割结果合并在起生成短句集。接着扫描短句集，将其中每条短句的每个长度介于和之间的子串找出来摘要本文针对支气管炎电子病历数据......”。

3、“.....实现数据信息知识价值的转变过程。关键词电子文本病历反向最大匹配关联规则中图分类号文献标识码文章编号引言随着医院信息系的算法及其应用吉林工学院学报，陈伟鹤，刘云基于词或词组长度和频数的短中文文本关键词提取算法计算机科学，蒋志鹏中文电子病历的词法和句法分析研究哈尔滨工业大学，曲翠玉，毕建涛基于算法的关联规则在疾病诊断中的应用信息与电脑，丁卫平，祁恒，董建成，管致锦基于关联本中，用算法挖掘数据的频繁项集。将最小支持度和置信度阈值分别设定为和，结果如表所示。可视化结果如图所示。依据得出的频繁项集，找出事务间的关联规则......”。

4、“.....生成条强关联规则。剔除缺乏实用性的仅含个项目的规则后，最后剩下条关联规则。毕。最后遍历结果集中每个词条的匹配结果，删除匹配数量少于的词条及其匹配结果，得到的布尔矩阵就是关键词匹配的结果。属性约简属性约简结合了粗糙集和决策树理论的思想，将关键词匹配结果视作知识库，并在保证其分类能力不变的条件下，删除其中不相关或不重要的属性。建立分辨矩阵，的算法，该算法基于组成个词的汉字经常在文中以相同的顺序重复出现的假设。文献根据提取到的词或词组的長度和频数计算它们的权重，根据权重得到关键词或词组。这种算法主要应用于包含较多新词和音译词的中文短文本。数据挖掘在支气管炎电子病历中的应用研究论文原稿。扫描病历数据集......”。

5、“.....高军舰关联规则在呼吸内科诊疗数据中的应用研究青岛科技大学，李春葆，李石君，李筱驰数据仓库与数据挖掘实践北京电子工业出版社，傅赛香，袁鼎荣，黄柏雄，钟智基于统计的无词典分词方法广西科学院学报，。结果的准确度。通过查阅相关文献可知，挖掘出来的规则基本符合医学研究事实。因此可以将算法进行改进，从而推广并应用于相关领域。参考文献曾勇基于关联规则的电子病历挖掘的应用研究华南理工大学，栗伟电子病历文本挖掘关键算法研究东北大学，胥桂仙，苏筱蔚，陈淑艳中文文本挖掘中的无词典分吉林工学院学报，陈伟鹤......”。

6、“.....蒋志鹏中文电子病历的词法和句法分析研究哈尔滨工业大学，曲翠玉，毕建涛基于算法的关联规则在疾病诊断中的应用信息与电脑，丁卫平，祁恒，董建成，管致锦基于关联规则的电子病历挖可视化结果如图所示。实验结果分析本文采用的算法的优点主要有如下几点。首先，关键词词典完全来源于输入数据集，可以保证对数据中包含的新词的收录通过计算置信度过滤词条，能够屏蔽大量的非真实词汇将反向最大匹配算法改进，使其适用于关键词匹配最后使用了粗糙集和决策树理论进行进步约简，提高出知识库的约简和核，并对此进行排序，得到数据预处理的最终结果。部分结果如图所示。基于算法的关联规则分析基于数据的预处理结果，将疾病的症状对应为布尔变量......”。

7、“.....对应结果如表所示。根据原始数据得到每条病历的事务表，如表所示。在得到的结构化数据中的选定属性用其中全部的非中文字符作为分割符分割成系列的短句。再把每个短句用关键词词典按照改进后的反向最大匹配算法进行关键词匹配若病历匹配到了个词条，则将该病历的该词条的记录值设置为，否则为。对病历数据集的每个病例数据重复上述操作，直到全部病历均被匹配算法研究与应用微电子学与计算机，高军舰关联规则在呼吸内科诊疗数据中的应用研究青岛科技大学，李春葆，李石君，李筱驰数据仓库与数据挖掘实践北京电子工业出版社，傅赛香，袁鼎荣，黄柏雄，钟智基于统计的无词典分词方法广西科学院学报，......”。

8、“.....挖掘出来的规则基本符合医学研究事实。因此可以将算法进行改进，从而推广并应用于相关领域。参考文献曾勇基于关联规则的电子病历挖掘的应用研究华南理工大学，栗伟电子病历文本挖掘关键算法研究东北大学，胥桂仙，苏筱蔚，陈淑艳中文文本挖掘中的无词典分词的算法及其应用算法挖掘数据的频繁项集。将最小支持度和置信度阈值分别设定为和，结果如表所示。可视化结果如图所示。依据得出的频繁项集，找出事务间的关联规则。在最小支持度和置信度阈值分别为和的条件下，生成条强关联规则。剔除缺乏实用性的仅含个项目的规则后，最后剩下条关联规则。可视化结果如图集中每个词条的匹配结果，删除匹配数量少于的词条及其匹配结果......”。

9、“.....属性约简属性约简结合了粗糙集和决策树理论的思想，将关键词匹配结果视作知识库，并在保证其分类能力不变的条件下，删除其中不相关或不重要的属性。建立分辨矩阵，求出知识库的约简海量多样化主观性价值高实时性的特点，这使得对病历数据的预处理成为了医学数据分析最大的挑战之。是未来医院发展的必然趋势，电子病历作为的个重要组成部分，逐渐为近年来的研究热点。数据挖掘在支气管炎电子病历中的应用研究论文原稿。扫描病历数据集，将每条病历数据中的选定属每条病历记录中的选定属性用其中全部的非中文字符作为分割符分割成短句，再将全部病历的短句分割结果合并在起生成短句集。接着扫描短句集......”。