داده کاوی متنی برای جمع آوری مکانیزه داده های مراقبت سلامتی در سامانه اطلاعات مکانی: مطالعه موردی سامانه ملی مدیریت اطلاعات تحقیقات (سمات) بخش سلامت
محل انتشار: همایش سراسری سامانه اطلاعات مکانی
سال انتشار: 1388
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,485
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
GISORG01_039
تاریخ نمایه سازی: 8 اردیبهشت 1388
چکیده مقاله:
روشهای تحلیلی GIS و مرتبط با آن یک مجموعه از ابزارها را برای تشریح و فهم تغییرات جغرافیایی مراقب ت های سلامتی فراهم می کنند. به عنوان مثال ارتباط آن با میزان دستیابی به مراقب ت های سلامتی، پی آمدهای سلامتی حاصل از آن و تحقیق پیرامون چگونگی بهبود ارایه خدمات بهداشتی از جمله آنها است. از سوی دیگر تصمیم گیری براساس اطلا عات سامانه های اطلاعات مکانی منوط به بهنگامی و دقت داد ه های مورد استفاده است که گاهی به دلیل حجم بالای داد ه ها وطبیعت غیرساخ ت یافته آنها بسیار دشوار اس ت . ما در این تحقیق تلاش کردیم رو ش های متنکاوی را به عنوان ابزاری ارزشمند جهت حل این مشکل مورد مطالعه قرا ر دهیم . متن کاوی فرآیند استخراج اطلاعات با کیفیت از متن می باشد که طبق ه بندی انوماتیک و خوش ه بندی متون از زیر مسایل آن است که در این باب تا کنون در زبان فارسی فعالیت قابل توجهی صورت نگرفته است . طبقه بندی مقالات تولید شده در مراکز علمی کشور ب هصورت اتوماتیک و نمایش آن بر روی یک سیستم اطلاعات جغرافیایی، توزیع مکانی فعالی ت های علمی در حوز ه های مختلف، قسمتی از سیستم پیشنهادی و در حال پیاده سازی در سامانه ملی مدیریت اطلاعات تحقیقات (سمات) بخش سلامت است . شناسایی مناطق با فعالیت مشابه نیز به کمک
خوشه بندی صورت می گیرد.
کلیدواژه ها:
سیستمهای اطلاعات مکانی ، متن کاوی ، طبقه/بندی اتومانیک مدارک ، خوشه بندی ، سامانه ملی مدیریت اطلاعات ، تحقیقات بخش سلامت
نویسندگان
محبوبه شریفی نژاد
کارشناس ارشد مدیریت فناوری اطلاعات پزشکی، دانشگاه صنعتی امیرکبیر و دف
بهروز بخاراییان
کارشناس ارشد مهندسی نرم افزار و کارشناس ارشد مدیریت فناوری اطلاعات پز
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :