此软件包旨在对临床笔记进行文本分类。
CNClassifier的Python项目详细描述
#临床笔记的文本分类
----
临床笔记通常包含患者的重要医疗信息，如药物、病史、体检等。本课题旨在利用navie-bayes算法和支持向量机对临床短笔记进行分类。默认分类为**药物**、**医院课程**、**实验室**、**体检**和**病史**。
这是体检样本：
>；体检显示温度为96.9，心率为121，血压为122/86，呼吸频率为22，室内空气的氧饱和度为96%。总的来说，病人看起来是急性和慢性病。头部、眼睛、耳朵、鼻子和喉咙检查显示口咽清晰。巩膜无张力。粘膜是湿润的。心血管检查显示心动过速第一心音和第二心音。无杂音、摩擦或疾驰。肺显示左肺基底部呼吸音减弱，叩击音变暗。腹部膨大而结实。肠音阳性。肢体检查未发现棒状物、紫绀或水肿。
以下是药物治疗段落的示例：
>；阿托品。阿司匹林。弗洛纳斯。奎宁西乐葆。康帕嗪。羟丁酸阿米替林。齐尔泰克。百忧解。特拉佐酮。Humulin 70个单位投标。沙丁胺醇。lasix 40 po出价。曲安奈德乳膏。咪康唑乳膏。硝苯地平ER 60每日。赖诺普利，30天。每天10兆卡的KCL。普罗托尼克斯，40天一次。立普妥，20天一次。美沙酮10标。
它很容易使用。
``python
>；>import cnclassifier
>；>note=“这是一个简短的说明，描述了患者的病史信息”
>；>clsf=cnclassifier.classifier（）
>；>print（clsf.letspredict（note））
history
```
您还可以为分类器选择不同的功能。
>；分类器（datanum、dataset、labels_index、labels_name、algo、feature、tfidf=0）
-datanum:integer，1-10，用于训练分类器模型的数据集的比例。例如--例如：datanum=7，70%的数据集将用于训练集
-feature:string，feature=“bow”，bow；feature=“skip gram”，skip gram；feature=“cbow”，cbow；
-tfidf:0或1，当tfidf=1时，将使用tfidf，而0表示不使用
-数据集：string，数据集的目录
-labels\index:list，每个文档的标签或标记
-标签名称列表，每个标签的对应类别
-算法：字符串，“mult_nb”：多项式nb，“line_svm”：线性支持向量机
labels_name=['your'，'category']）
数据集文档的格式应该是：
````
label_index1这是类别1的第一个注释，
label_index1这是类别1的第二个注释，
label_index2我是类别2的第一个注释，
label_index3我是类别3的注释，
```
法律或书面同意，根据许可证分发的软件是在“按原样”的基础上分发的，
无任何明示或暗示的保证或条件。
请参阅许可证，了解管辖许可证的特定语言和许可证的限制。
````
----
临床笔记通常包含患者的重要医疗信息，如药物、病史、体检等。本课题旨在利用navie-bayes算法和支持向量机对临床短笔记进行分类。默认分类为**药物**、**医院课程**、**实验室**、**体检**和**病史**。
这是体检样本：
>；体检显示温度为96.9，心率为121，血压为122/86，呼吸频率为22，室内空气的氧饱和度为96%。总的来说，病人看起来是急性和慢性病。头部、眼睛、耳朵、鼻子和喉咙检查显示口咽清晰。巩膜无张力。粘膜是湿润的。心血管检查显示心动过速第一心音和第二心音。无杂音、摩擦或疾驰。肺显示左肺基底部呼吸音减弱，叩击音变暗。腹部膨大而结实。肠音阳性。肢体检查未发现棒状物、紫绀或水肿。
以下是药物治疗段落的示例：
>；阿托品。阿司匹林。弗洛纳斯。奎宁西乐葆。康帕嗪。羟丁酸阿米替林。齐尔泰克。百忧解。特拉佐酮。Humulin 70个单位投标。沙丁胺醇。lasix 40 po出价。曲安奈德乳膏。咪康唑乳膏。硝苯地平ER 60每日。赖诺普利，30天。每天10兆卡的KCL。普罗托尼克斯，40天一次。立普妥，20天一次。美沙酮10标。
它很容易使用。
``python
>；>import cnclassifier
>；>note=“这是一个简短的说明，描述了患者的病史信息”
>；>clsf=cnclassifier.classifier（）
>；>print（clsf.letspredict（note））
history
```
您还可以为分类器选择不同的功能。
>；分类器（datanum、dataset、labels_index、labels_name、algo、feature、tfidf=0）
-datanum:integer，1-10，用于训练分类器模型的数据集的比例。例如--例如：datanum=7，70%的数据集将用于训练集
-feature:string，feature=“bow”，bow；feature=“skip gram”，skip gram；feature=“cbow”，cbow；
-tfidf:0或1，当tfidf=1时，将使用tfidf，而0表示不使用
-数据集：string，数据集的目录
-labels\index:list，每个文档的标签或标记
-标签名称列表，每个标签的对应类别
-算法：字符串，“mult_nb”：多项式nb，“line_svm”：线性支持向量机
labels_name=['your'，'category']）
数据集文档的格式应该是：
````
label_index1这是类别1的第一个注释，
label_index1这是类别1的第二个注释，
label_index2我是类别2的第一个注释，
label_index3我是类别3的注释，
```
法律或书面同意，根据许可证分发的软件是在“按原样”的基础上分发的，
无任何明示或暗示的保证或条件。
请参阅许可证，了解管辖许可证的特定语言和许可证的限制。
````
欢迎加入QQ群-->： 979659372
