کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6855648 660831 2016 11 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Learning to extract adverse drug reaction events from electronic health records in Spanish
ترجمه فارسی عنوان
یادگیری عواقب واکنش عوارض جانبی از پرونده های سلامت الکترونیکی در اسپانیایی
کلمات کلیدی
استخراج متن، مشکل طبقه بندی نامتقارن، استخراج رویداد پزشکی،
ترجمه چکیده
نتیجه گیری: یکی از مشکلات سیستم مبتنی بر یادگیری ماشین، توانایی آن برای مقابله با حوادث درون جملات و بین جمله در یک محیط طبقه بندی بسیار متساوی است. علاوه بر این، مدل مبتنی بر دانش و پیش بینی، از لحاظ دقت و فراخوانی مکمل است. در حالی که سابق دقت بالا و فراخوانی کم را در اختیار دارد، دومی در اطراف آن است. در نتیجه یک رویکرد ترکیبی مناسب به نظر می رسد که بتواند از هر دو رویکرد سودمند باشد و همچنین آنها را بهبود بخشد. این انگیزه اصلی برای انتخاب رویکرد ترکیبی است. علاوه بر این، این اولین سیستم با پرونده های بهداشتی واقعی اسپانیایی است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
پیش نمایش مقاله
یادگیری عواقب واکنش عوارض جانبی از پرونده های سلامت الکترونیکی در اسپانیایی
چکیده انگلیسی
Conclusions: One of the contributions of the machine learning based system is its ability to deal with both intra-sentence and inter-sentence events in a highly skewed classification environment. Moreover, the knowledge-based and the inferred model are complementary in terms of precision and recall. While the former provides high precision and low recall, the latter is the other way around. As a result, an appropriate hybrid approach seems to be able to benefit from both approaches and also improve them. This is the underlying motivation for selecting the hybrid approach. In addition, this is the first system dealing with real electronic health records in Spanish.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Expert Systems with Applications - Volume 61, 1 November 2016, Pages 235-245
نویسندگان
, , , , ,