ارائه یک الگوریتم متن کاوی برای چالش تشخیص مخفف ها در متون زیست پزشکی

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 649

فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CITCONF02_593

تاریخ نمایه سازی: 19 اردیبهشت 1395

چکیده مقاله:

یکی از زمینه هایی که در طی چند سال اخیر مطرح شده، بحث جستجو و استخراج داده ها از متون زیست پزشکی می باشد. اندازه و نرخ رشد متون زیست پزشکی باعث ایجاد چالش های جدیدی شده است. تکنیک های متن کاوی، راه های پاسخ به این مسئله را هموار می کند. استخراج درست مخفف ها و تعاریف برای زیست شناسی خیلی ضروری می باشد پیش از چالش ها، نرخ بالای مخففه جدیدی است که در متون زیست پزشکی معرفی، ایجاد و رشد می دهند. در این مقاله ما یک الگوریتم تراز بندی ترکیبی را برای استخراج مخفف را از متون زیست پزشکی پیشنهاد کرده ایم. روش کار، شناسایی زوج های فرم کوتاه و فرم بلند می باشد که در آن از هر نوع از کاراکترهای فرم یک نگاشت به فرم بلند انجام می شود. در این الگوریتم بعضی مخفف ها بی قاعده که با روش های پیشین یافت نمی شد، پیدا می شود. با ارزیابی این الگوریتم مشخص شد الگوریتم دقت بالایی را نسبت الگوریتم های قبلی نشان می دهد.

کلیدواژه ها:

داده کاوی ، مصرف کاوی ، متون زیست پزشکی ، مخفف های زیست پزشکی

نویسندگان

احمد قیلچی

مربی، گروه کامپیوتر و فناوری اطلاعات، دانشگاه پیام نور، تهران، ایران

احمد فراهی

استادیار، گروه کامپیوتر و فناوری اطلاعات، دانشگاه پیام نور، تهران، ایران

بهزاد طعنه

مربی (دانشجوی دکترا)، گروه زیست شناسی، دانشگاه پیام نور، تهران، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Rajman, M. (1997). Text Mining, knowledge extraction from unstructured textual ...
  • " National Conference on Applied Research in Computer Science and ...
  • Hirschman, L. & Blaschke, C. (2006). Evaluation of text Mining ...
  • Yeganova, L., Comeau, DC. & Wilbur, WJ. (2011). Machine learning ...
  • Ao, H. & Takagi, T. (205). An Algorithm to Extract ...
  • Dai, H.J., Chang Y.C. & Tsai R.T.H (2010). New challenges ...
  • Fred, HL. & Cheng, TO. (2005). Acronymesis: The Exploding misuse ...
  • Cohen, A. & Hersh, W. (2005). A Survey of Current ...
  • _ M O vshovitz-attias , D. & Cohen, W. (2012). ...
  • Yu, Hang., kim, Won., Hatzivas siloglou, Vasileios. & Wilbur, W. ...
  • Jensen, LJ., Saric, J. & Bork P. (2006). Literature Mining ...
  • 1.Pustejovsky, J., Castano, J. & Cochran, B. (2001). Automatic extraction ...
  • Zhou, W., Torvik, VI. & Smalheiser, NR. (2006). ADAM: another ...
  • Ananiadou, S. & Chruszcz, J. (2007). The National ventre for ...
  • Chang, JT., Schutze, H. & Altman, RB. (2002). Creating an ...
  • Schwartz, AS. & Hearst MA. (2003). A Simple Algorithm for ...
  • Taghva, K. & Gilbreth, J. (1995). Recognizing Acronyms and Their ...
  • Sohen, Set. (2008). Abbreviation definition identification based on automatic precision ...
  • نمایش کامل مراجع