GA based Feature Selection for Nursing-care Freestyle Text Classification
GA based Feature Selection for Nursing-care Freestyle Text Classification
复制标题
基于遗传算法的护理自由文本分类特征选择
DOI：
10.14864/softscis.2008.0.756.0
复制
发表时间：
2008
期刊：
影响因子：
--
通讯作者：
R. Sakashita
中科院分区：
文献类型：
--
作者：
M. Nii;Shigeru Ando;Yutaka Takahashi;A. Uchinuno;R. Sakashita
护理质量的提高在医疗领域具有重要意义。目前，护理自由式文本（护理数据）收集从日本的许多医院使用Web应用程序。收集的护理数据存储在数据库中。一些护理专家评估收集的数据，以提高护理质量。为了评估护理数据，专家需要仔细阅读所有的自由式文本。然而，由于数据库中的护理数据数量庞大，每位专家对数据进行评价是一项艰巨的任务。为了减少评估护理数据的工作量，我们提出了一种基于支持向量机（SVM）的分类系统。在本文中，为了提高分类性能，我们提出了一种基于遗传算法（GA）的特征选择方法，从收集的护理文本生成数值数据。首先，我们使用形态分析软件“MeCab”从护理文本中提取名词和动词，并将提取的术语存储到“术语列表”中。在术语列表中的术语的一些组合选择遗传算法有两个目标：（1）正确分类的文本的数量最大化和（2）选择的术语的数量最小化。然后，我们使用支持向量机分类护理数值数据。计算机仿真结果表明了该方法的有效性。
The nursing care quality improvement is very important in the medical field. Currently, nursing-care freestyle texts (nursing-care data) are collected from many hospitals in Japan by using Web applications. The collected nursing-care data are stored into the database. Some nursing-care experts evaluate the collected data to improve nursing care quality. In order to evaluate the nursing-care data, experts need to read all freestyle texts carefully. However, it is a hard task for each expert to evaluate the data because of huge number of nursing-care data in the database. For reducing workloads to evaluate nursingcare data, we have proposed a support vector machine (SVM) based classification system. In this paper, in order to improve the classification performance, we propose a genetic algorithm (GA) based feature selection method for generating numerical data from collected nursing-care texts. First, we extract nouns and verbs from nursing-care texts using the morphological analysis software “MeCab” and store the extracted terms into a “term list”. Some combinations of terms in the term list are selected by GA with two objectives; (1) maximization of the number of correctly classified texts and (2) minimization of the number of selected terms. And then, we classify the nursing-care numerical data using the SVM. From computer simulation results, we show the effectiveness of our proposed method.
使用神经网络进行护理数据分类
DOI：
--
发表时间：
2007
期刊：
Proc.of 2007 IEEE/ICME International Conference on Complex Medical Engineering
影响因子：
--
作者：
下津奉久;高橋隆史;下津奉久,高橋隆史;上山英三;上山英三;新居 学;Manabu NII
通讯作者：
Manabu NII
使用模糊系统的护理数据分类
DOI：
--
发表时间：
2006
期刊：
Proc. of SCIS ＆ ISIS 2006
影响因子：
--
作者：
下津奉久;高橋隆史;下津奉久,高橋隆史;上山英三;上山英三;新居 学;Manabu NII;Manabu NII;Manabu Nii;Tomoya Sakaguchi
通讯作者：
Tomoya Sakaguchi