研究内容：

1.文本预处理是文本挖掘的第一个步骤, 对文本挖掘效果的影响至关重要, 文本的预处理过程可能占据整个系统的80 %的工作量。[5]中文文本预处理较英文文本的预处理更加复杂，目前国内有一些研究机构正在研究；

2.文本分类具体方法有：朴素贝叶斯方法（NB）、K-最近邻法（KNN）、支持向量法（SVM）、向量空间模型（VSM）、线性最小二乘方估计法（LISF）。其中NB、VSM、LISF对中文比较适用；

3.文本聚类方法：层次聚类法、平面划分法（K-means）、简单贝叶斯聚类法、K-最近参照聚类法、分级聚类法、基于概念的文本聚类。其中最常使用的是K-最近邻参照聚类法；

4.自动文摘：常用抽取生成法；

5.质量评估：查全率、查准率、冗余度、放射性、双目失明测试等。

内容：针对文献计量学方法关注的文献量、作者、关键词，利用Excel、CiteSpace工具绘制年发文量图、作者合著网络、研究机构合作图谱、关键词共现网络、关键词时区图谱，分析文本挖掘研究现状；按照《软件工程 产品质量》的国家标准并结合分词工具的需求制定分词工具评估指标：分词准确性、分词效率、易操作性、可扩展性、可移植性，设计《中文分词软件工具测评表》，对7款常见中文分词工具在中医文献研究领域的适用性进行对比分析，结合各工具的特点和中医领域的特征，提出改进现用分词工具或研发领域专用工具的建议。

结果：分析中间过程得到的图表，发文量处于下降趋势，分析原因认为文本挖掘研究领域遇到技术难题，目前处于研究瓶颈期。中文分词工具的适用性分析发现7款工具中盘古分词工具最适用于中医领域，但是仍然存在一些不足。总结出现有分词软件工具普遍面向大众化中文分词处理需求，难以兼顾特定领域中文分词需要的结论，并结合中医领域特征和工具特点给出相应改进建议。