دانلود کتاب The Application of Text Mining Algorithms In Summarizing Trends in Anti-Epileptic Drug Research

جمع بندی محتوا بخش مهمی از تحقیقات در داده کاوی سنتی است. حجم مطالعات منتشر شده درمورد داروهای ضد صرع (AED) طی دو دهه گذشته بصورت تصاعدی افزایش یافته است ، و آن را به یک منطقه مهم برای کاربرد الگوریتم های خلاصه سازی مبتنی بر کاوی متن تبدیل کرده است. در مطالعه حاضر ، ما از الگوریتم های تجزیه و تحلیل متن برای استخراج و جمع بندی 10،000 چکیده PubMed مربوط به داروهای ضد صرع در 10 سال گذشته استفاده می کنیم. فرکانس متن - فیلتر مبتنی بر فرکانس اسناد معکوس برای شناسایی داروهای دارای بیشترین فراوانی ذکر در این چکیده ها استفاده شد. بانک اطلاعاتی مواد غذایی و داروی ایالات متحده ، برای تعیین کمیت بیشتر حالت های ذکر شده در مورد عملکرد و مشخص کردن اشخاص دارویی در بازاریابی این داروها ، ضبط و به نتایج مرتبط شد. یک مدل آنالیز احساسات برای به دست آوردن خلاصه نتایج مثبت یا منفی ایجاد شده است. سرانجام ، یک مدل مبحث اختصاصی Latent Dirichlet اصلاح شده برای استخراج مباحث کلیدی مرتبط با AED های اغلب ذکر شده ایجاد شد. ما پنج داروی متداول را که در این تجزیه و تحلیل مشاهده می شود ، یافتیم: گاباپنتین ، لتیراستام ، توپیرامات ، لاموتریژین و استازولامید. ما در ادامه موضوعات اصلی مرتبط با این داروها و کلیت مثبت یا منفی مرتبط با آنها را ذکر کردیم. نتایج این تحقیق بینش دقیق و دقیقی از اطلاعات مربوط به پیشرفت تحقیقات داروهای ضد صرع ارائه می دهد.

Summary by amirhosein.fch