Zeitschrift für Informationstechnologie und Softwareentwicklung
Offener Zugang

Abstrakt

Verwendung von Fuzzy-Logik und Ranking-Algorithmen zur automatischen Zusammenfassung und Extraktion klinischer Texte

Moges Tsegaw Melesse*, Gizatie Desalegn Taye, Gezahegn Mulusew

Informations- und Wissensmanagement ist aufgrund der wachsenden Datenmenge, des Fehlens strukturierter Informationen und der Informationsvielfalt zu einem ernsthaften Problem im Bestreben geworden, der medizinischen Gesellschaft zu dienen. Klinikärzte müssen möglicherweise die in jedem klinischen Freitext enthaltenen Informationen kennen, haben aber nicht die Zeit, den gesamten Artikel zu lesen. Dieses Problem kann durch die Verwendung einer automatischen Textzusammenfassungstechnik gemildert werden, die den erforderlichen Zeitaufwand reduziert und gleichzeitig die Integrität der Informationen bewahrt. Das Erkennen der Redundanz ist ein Problem, das noch gelöst werden muss, und die Fragmentierung erschwert die Erstellung einer effektiven klinischen Zusammenfassung noch mehr. Wir schlagen in dieser Arbeit einen automatischen klinischen Freitext-Zusammenfasser vor. Der Forscher verwendet fünf Extraktionsraten für Rang- und Fuzzy-Logik-Algorithmen, um die klinischen Freitexte zusammenzufassen. Als Ergebnis betragen die Zusammenfassungsraten zehn Prozent, zwanzig Prozent, dreißig Prozent, vierzig Prozent und fünfzig Prozent. Der Rangalgorithmus hatte die höchste Genauigkeit von 43,52 Prozent unter den fünf extraktiven Zusammenfassungen, während die Fuzzy-Logik-Methode die beste Genauigkeit von 43,88 Prozent hatte. Das Ergebnis zeigt, dass die extraktive Zusammenfassung mit Fuzzy-Logik die extraktive Zusammenfassung mit Rangalgorithmus übertrifft. Fuzzy-Logik basiert auf der Idee, mit Wörtern statt mit Zahlen zu rechnen, da Wörter weniger genau sind als Zahlen. Durch die Verwendung linguistischer Variablen versucht die Fuzzy-Logik, menschliches Denken nachzuahmen. Das Ergebnis ist zu wenig; daher befürworten wir die Verwendung überwachter Algorithmen, um eine zufriedenstellende Leistung zu erzielen, die von Medizinern anerkannt wird. Die Leistung des Systems kann weiter verbessert werden, indem verschiedene domänenspezifische Aspekte untersucht und die Methoden zur Erkennung medizinischer Einheiten verbessert werden.