A comparative study of the current technologies and approaches of relation extraction in biomedical literature using text mining

Alshuwaier, Faisal A.; Areshey, Ali; Poon, Josiah

doi:10.1109/icetas.2017.8277841

Cited by 9 publications

(5 citation statements)

References 42 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Sözlüğe dayalı yöntemler [15,16] Metinlerden tıbbi varlıklar çıkarıldıktan sonra ikinci adım, tanımlanan varlık adları arasındaki ilişkilerin bulunmasıdır. Çoğu zaman, ilişkiler denetimli öğrenme, birlikte görülmeye dayalı istatistiksel yöntemler veya varlıklar arasındaki semantik benzerlik yoluyla bulunur [32]. Denetimli öğrenmede, ilişkilerin çıkarılması bir sınıflandırma problemi olarak ele alınmaktadır.…”

Section: Literatür Taraması (Literature Review)unclassified

Biyomedikal literatürden solunum yolu hastalıkları ve semptom ilişkilerinin çıkarılması için semantik benzerlik temelli bir yaklaşım

Çelikten,

Bulut,

Onan

2024

GUMMFD

View full text Add to dashboard Cite

Biyomedikal alandaki artan makale sayısıyla birlikte, hastalıklar ve semptomlar hakkında keşfedilen değerli bilgiler akademik literatürde gizli kalmaktadır. Biyomedikal metinleri işlemek ve doğal dil işleme ve metin madenciliği yöntemlerini kullanarak bu bilgileri çıkarmak, erken teşhis, klinik karar destek sistemleri geliştirmek ve biyomedikal bilgi grafikleri ve ontolojileri oluşturmak için kritik öneme sahiptir. Solunum yolu hastalıklarının ateş, öksürük, nefes darlığı gibi birçok ortak semptomları olduğundan, hastalıkları semptomlara göre ayırt etmek, hastalığın erken evrelerinde doğru teşhis için son derece önemlidir, Bu çalışmada, sağlık kaynaklarında belirtilmeyen ancak hastalıkla ilişkili nadir semptomları tespit etmek ve hastalıkların semptomlarla ilişki derecesini tespit etmek için bir hastalık-semptom ilişkisi çıkarma yöntemi önerilmiştir. İlk olarak, tıbbi metinlerdeki hastalıkları ve semptomları tanımlamak için önceden eğitilmiş bir dil modeli ve tıbbi ontolojiden oluşan hibrit bir varlık ismi tanıma yöntemi önerilmiştir. İkinci olarak, elde edilen hastalık ve semptomlar normalize edilmiştir. Sonraki adımda, semantik benzerliğe dayalı yöntemler kullanılarak semptomların hastalıklarla ilişki dereceleri elde edilen benzerlik skorlarına göre sıralanmıştır. Önerilen yöntem solunum yolu hastalıklarından oluşan özgün bir veriseti üzerinde değerlendirilmiştir. Bu veriseti, astım, bronşit, pulmoner emboli ve koronavirüs hastalıklarına ait akademik makale özetlerinden oluşmaktadır. Sonuç olarak, karakteristik semptomlara ek olarak, sağlık kaynaklarında bahsedilmeyen ancak hastalıkla ilişkilendirilebilecek nadir semptomlar keşfedilmiştir. Önerilen yöntem ile hastalıkların semptomları arasındaki ilişkilerin tespitinde nokta çarpımı benzerlik yönteminin daha başarılı olduğu görülmüştür. Nadir semptomların ise literatür değerlendirmesi yapılarak hastalıklar ile ilişkisi ortaya çıkarılmıştır.

show abstract

Section: Literatür Taraması (Literature Review)unclassified

Biyomedikal literatürden solunum yolu hastalıkları ve semptom ilişkilerinin çıkarılması için semantik benzerlik temelli bir yaklaşım

Çelikten,

Bulut,

Onan

2024

GUMMFD

View full text Add to dashboard Cite

show abstract

“…For instance, given the sentence ''Elon Musk is the founder of SpaceX,'' a relation classifier is used to identify the relation of ''roleInCompany''. Thus, the sentence can be represented in tuple form as <Elon Musk, founder, SpaceX> [65], [66], as shown in Figure 11.…”

Section: ) Relation Extraction (Re)mentioning

confidence: 99%

Systematic Literature Review of Information Extraction From Textual Data: Recent Methods, Applications, Trends, and Challenges

et al. 2023

View full text Add to dashboard Cite

Information extraction (IE) is a challenging task, particularly when dealing with highly heterogeneous data. State-of-the-art data mining technologies struggle to process information from textual data. Therefore, various IE techniques have been developed to enable the use of IE for textual data. However, each technique differs from one another because it is designed for different data types and has different target information to be extracted. This study investigated and described the most contemporary methods for extracting information from textual data, emphasizing their benefits and shortcomings. To provide a holistic view of the domain, this comprehensive systematic literature review employed a systematic mapping process to summarize studies published in the last six years (from 2017 to 2022). It covers fundamental concepts, recent approaches, applications, and trends, in addition to challenges and future research prospects in this domain area. Based on an analysis of 161 selected studies, we found that the state-of-the-art models employ deep learning to extract information from textual data. Finally, this study aimed to guide novice and experienced researchers in future research and serve as a foundation for this research area.

show abstract

“…A review of the titles and abstracts of these 69 articles indicated that 58 of 69 studies applied text mining as a technique. The review shows that text mining is common in the biomedical field e.g., to identify specific diseases, genes, drugs, and their relationships (Alshuwaier et al, 2017;Libbus & Rindflesch, 2002;Martin et al, 2004;Quan et al, 2014;Singhal et al, 2016).…”

Section: Related Workmentioning

confidence: 99%

A Framework for the Application of Machine Learning in Is Literature Reviews

2022

Proceedings

View full text Add to dashboard Cite

A comparative study of the current technologies and approaches of relation extraction in biomedical literature using text mining

Cited by 9 publications

References 42 publications

Biyomedikal literatürden solunum yolu hastalıkları ve semptom ilişkilerinin çıkarılması için semantik benzerlik temelli bir yaklaşım

Biyomedikal literatürden solunum yolu hastalıkları ve semptom ilişkilerinin çıkarılması için semantik benzerlik temelli bir yaklaşım

Systematic Literature Review of Information Extraction From Textual Data: Recent Methods, Applications, Trends, and Challenges

A Framework for the Application of Machine Learning in Is Literature Reviews

Contact Info

Product

Resources

About