摘要：为深入分析金融领域文本信息给投资决策提供支持,研究了从中文文本中识别收购类事件描述句及抽取事件角色(即识别关系及关系的元)相关问题。在事件句的识别上,提出了基于SVM的有监督算法。对于关系识别及关系元的抽取,针对多元关系的特点,分别设计了单分类器的算法和多分类器的算法,单分类器的算法由一个分类器负责识别多元关系的所有角色,而多分类器算法使用不同的分类器来识别具有不同语义约束的角色。实验结果表明,多分类器的算法明显优于单分类的算法,角色识别的F-Measure可以提高1.9%。

摘要：组方规律的研究对于挖掘中医诊治的基本原理,实现中医现代化具有重要意义.本文针对现有算法在发现方剂主药方面存在的不足,提出了将证素与"方名-药名"相似性分析相结合的主药发现算法JPEA(Joint Primary medicine Extraction Algorithm),该算法通过对名医医案临床数据中证素与药物之间的关联分析,并结合方名与药名相似度的计算,来发现方剂中起主要作用的药物.对于证素-药物关联分析,分别设计了基于点互信息的算法、基于贝叶斯的算法和基于MF-ISF(Medicine Frequency-Inverse Syndrome factor Frequency)的算法.实验结果表明,基于点互信息的方法可以达到76.5%的准确率,明显优于文献中已有算法达到的35.8%.同时,实验结果还表明,方名与药名的相似性对于判断方剂的主药具有重要作用.