刘 鹏，宁鹏飞

(内蒙古医科大学，内蒙古 呼和浩特 010000)

1 引言

信息技术的发展不但打破了用户获得医学信息的时空限制，并且使可供利用的医学资源特性信息更加丰富[1]。科学和技术的发展在信息数据全球化的背景下，信息聚类在很多领域都有广泛的应用，但是，当前方法在去噪过程中无法保存有效信息，细节信息流失现象较为严重，导致Jaccard系数与F1系数偏低，即聚类效果并不理想[2-3]。医学信息用户需要熟悉网络学术信息资源的分布特征与价值，并且要掌握这些资源的聚类技巧，才能通过医学资源特定信息的聚类实现自己的研究工作，因此对海量医学资源特定信息进行聚类处理具有重要意义[4]。

文献[5]提出基于信息共识的医学资源特定信息聚类方法，该方法利用CDIM方法获得初始聚集，通过参数方法初始化处理初始聚集，在簇标签信息间关系的基础上构建信息共识，利用文本分类器将簇标签分配给构建的共识，通过训练文本分类器实现医学资源特性信息的聚类，该方法没有对医学资源特定信息进行去噪处理，导致Jaccard系数较低。文献[6]提出基于需求功能语义的医学资源特定信息聚类方法，该方法在服务需求中利用自然语言处理技术提取有用功能信息集，根据获取的信息集对服务功能语义对应的相似度进行计算，在相似度计算结果的基础上通过k-means算法实现海量医学资源特定信息的聚类，该方法在去噪过程中无法保留细节信息，导致Jaccard系数较低。……