کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4965027 1447937 2017 9 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Ontology-based automatic identification of public health-related Turkish tweets
ترجمه فارسی عنوان
شناسایی اتوماتیک تویت های مربوط به بهداشت عمومی مربوط به بهداشت عمومی مبتنی بر هستی شناسی است
کلمات کلیدی
سلامت عمومی، توییتر، تجزیه و تحلیل رسانه های اجتماعی، اطلاع رسانی بهداشتی، پردازش متن اتوماتیک،
ترجمه چکیده
تجزیه و تحلیل رسانه های اجتماعی، مانند تجزیه و تحلیل توییت، یک موضوع پژوهشی امیدوار کننده برای رفع نگرانی های بهداشت عمومی از جمله همه گیری است. در این مقاله، ما یک رویکرد مبتنی بر هستی شناسی را به طور خودکار شناسایی تویت های مربوط به بهداشت عمومی مربوط به سلامت ارائه می دهیم. این سیستم بر اساس هستی شناسی بهداشت عمومی است که ما از طریق یک روش نیمه اتوماتیک ساخته ایم. مفاهیم هستی شناسی از طریق یک طرح آرام سازی انگیزه زبان شناختی به عنوان آخرین مرحله از توسعه هستی شناسی گسترش یافته است، قبل از اینکه در سیستم ما به منظور افزایش پوشش آن، یکپارچه شود. منابع واژگانی نهایی که شامل اصطلاحات مربوط به مفاهیم هستی شناسی است، برای فیلتر کردن جریان توییتر به کار می رود تا یک زیرمجموعه صدای جیر جیر قابل قبول، از جمله تویت های مرتبط با سلامت عمومی، به دست آید. آزمایشات بر روی دو میلیون تویت واقعی انجام می شود و نرخ دقیق امیدوار کننده به دست می آید. همچنین در طول مطالعه حاضر، یک رابط مبتنی بر وب است که برای پیگیری نتایج این سیستم شناسایی، توسط کارمندان مربوطه در زمینه بهداشت عمومی مورد استفاده قرار می گیرد. از این رو، مطالعه تجزیه و تحلیل رسانه های اجتماعی در حال حاضر هر دو کمک فنی و عملی به حوزه قابل توجهی از سلامت عمومی است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر نرم افزارهای علوم کامپیوتر
چکیده انگلیسی
Social media analysis, such as the analysis of tweets, is a promising research topic for tracking public health concerns including epidemics. In this paper, we present an ontology-based approach to automatically identify public health-related Turkish tweets. The system is based on a public health ontology that we have constructed through a semi-automated procedure. The ontology concepts are expanded through a linguistically motivated relaxation scheme as the last stage of ontology development, before being integrated into our system to increase its coverage. The ultimate lexical resource which includes the terms corresponding to the ontology concepts is used to filter the Twitter stream so that a plausible tweet subset, including mostly public-health related tweets, can be obtained. Experiments are carried out on two million genuine tweets and promising precision rates are obtained. Also implemented within the course of the current study is a Web-based interface, to track the results of this identification system, to be used by the related public health staff. Hence, the current social media analysis study has both technical and practical contributions to the significant domain of public health.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computers in Biology and Medicine - Volume 83, 1 April 2017, Pages 1-9
نویسندگان
, , , ,