تشخيص خودكار شاخه موضوعي اصطلاحات سرعنوان هاي موضوعي پزشكي با مقايسه نسبت فراواني آ نها در مدارك مرتبط و غيرمرتبط*

Automatic Category Recognition of Medical Subject Heading Terms through Comparison of their Occurrence Frequency in Relevant and non- Relevant Documents

چكيده مقدمه: تحت تاثير پويايي اصطلاحات تخصصي، امروزه طبقه بندي موضوعات پيچيده تر شد ه است زيرا هر مدرك مي تواند در چند طبقه Medical Subject موضوعي جاي بگيرد. بر اين اساس، پژوهش حاضر با هدف تعيين كارآمدي روش تشخيص خودكار شاخه اصلي اصطلاحات از طريق محاسبه نسبت فراواني آ نها در دسته مدارك مرتبط وغيرمرتبط انجام شد. Heading و پايگاه MeSH روش بررسي: روش پژوه ش توصيفي، با استفاده از تحليل اسنادي و نوع آن كاربردي است . در تير ماه 1391 شمسي از به عنوان منابع گردآوري اطلاعات بهره گرفته شد. اعتبار اين منابع، روا بودن بهره گيري از آ نها را تاييد م يكند. تعداد 18164 اصطلاح PubMed برگزيده شد. در گزينش آن ها، هيچ محدوديت زماني اعمال نشد . اين تعداد، از حجم نمونه به روش PubMed و 163226 مدرك از MeSH يازده دسته مدرك حاصل شد. نسبت حضور هر اصطلاح در اين دست هها محاسبه و نتيجه با شاخه واقعي ،PubMed كوكران بالاتر بود. با جستجو در مقايسه شد. شاخه اصلي يك درصد از اين اصطلاحات توسط متخصصان پزشكي نيز پي شبيني گرديد. براي بررسي داده ها، MeSH آن در درخت صورت گرفت. SPSS بهره گرفته شد. تحليل داده ها با نرم افزار Chi-Squar و T از روش توزيع فراواني و آزمون هاي به طور متوسط به سه شاخه مربوط بودند و غالب اصطلاحات در تمامي دست هها حضور داشتند . مشخص شد كه روش PubMed يافته ها: مدارك را افزايش مي دهد و كارآمدي آن بسته به شاخه موضوعي، بين 3 تا 67 MeSH پيشنهادي، احتمال تشخيص منطبق با ساختار درخت موضوعي منطبق بود. MeSH درصد متفاوت است. پيش بيني متخصصان پزشكي درباره شاخه موضوعي هر اصطلاح، به طور معناداري با ساختار نتيجه گيري: سطح انطباق تشخيص طبقه موضوعات به روش هاي عيني و ذهني در حوزه هاي گوناگون فرق مي كند. از آن جا كه طبقه بند ي هاي ذهني كاري كاملا ادراكي و مربوط به تجربه هاي بيروني بشري است، مدل هاي ماشيني نمي توانند دقيقا آن فرآيند را مشابه سازي كنند. PubMed ؛ واژه هاي كليدي: طبقه بندي؛ پردازش خودكار داد ه ها؛ سرعنوان هاي موضوعي پزشكي

Abstract Introduction: Due to dynamic of terms, their classification is challenging. The current research aims at determining the usability of a model for automatic recognition of MeSH terms categories through measuring their occurrence frequency within relevant and non-relevant document corpuses from PubMed. Methods: This is a descriptive research that uses the document analysis method. MeSH and PubMed were used to collect research data. The significancy of these resources confirms their validity. 18164 MeSHterm and 163226 PubMed documents were selected. The both of these amounts are greater than what Cocran function suggests. Eleven document corpuses were retrieved from PubMed. The relative ocurrence frequencies of MeSH terms within each corpus were determined. The results were compared with the real category of MeSH. In additions, the categories of 1 percent of MeSH terms were determined by experts in medical domains. The frequency distribution method was used for statistical description of data. Data were also analyzed through T and Chi-Squar tests in SPSS. Results: Each document of PubMed on average belongs to three MeSH categoris and most of Mesh terms occurred in all corpuses. The results confirm that the suggested method increases the probability of MeSH category recognition. The performance of the method depends on the subject category of MeSH Term and ranges between 3 to 67 percent. The findings also show that the medical expertises determination on the subject category of MeSH Terms is compatible with the real categories of MeSH tree. Conclusion: The compatibility of the subjective and objective methods for the subject category recognition depends on the knowledge area. The subjective categorization is a quite cognitive task and roots in human environmental experiences. This is why the machine depended models are not able to simulate that process. Keywords: Classification; Automatic Data Processing; Medical Subject Headings; PubMed.