| المستخلص: |
هناك اهتمام كبير باستخراج المعرفة، واسترجاع المعلومات بصورة تلقائية من مجموعة المصادر الإلكترونية والأدبيات الأكاديمية الموجودة على الشبكة العنكبوتية .وقد طُورت في هذا البحث أداة برمجية (سيرت CERT) لاستخراج العلاقة السببية ،أي استخلاص العلاقات السببية من النصوص. والأداة البرمجية هي محلل للعلاقات تستخدم لاستخراج أنماط العلاقة من الوثائق الطبية. يُكشف عن الأنماط السببية من خلال عملية المطابقة الغامضة بين قاموس العلاقات السببية وبين عملية الكشف الجزئية عن سلسلة الأنماط في الوثائق الطبية الإلكترونية تخزَّن المعرفة المستخرجة كفهرسه للوثائق، وكذلك تُستخدم خلال نظام شبكي لتقديم الملاحظات والاطلاع عليها. يمكن للباحثين من إجراء الاستشارات، والتحقق من صحة قائمة المصلحات والأنماط الحديثة التي أنشئت بصور أتوماتية من النظام .إن المساهمة الرئيسة من هذا العمل هو بناء أداة برمجية لاستخراج السبب، وتأثير الحالة، واستخراج الظروف باستخدام العلاقة الغامضة . تعتمد طريقة استخراج السببية على اسم المستخرج والعبارات الوصفية المرتبطة بالفعل السببي (الأنماط). وقد استخدمت المعايير الكمية مثل: الدقة، والاسترجاع، ونقاط (اف) في علمية التصنيف، واستخراج الأنماط السببية لتقويم أداء النظام ونجاعته، وحسبت لتقويم النتائج لدينا. فقد أظهرت النتائج أن النظام صيرت يولد 77٪ من الكلمات الرئيسة والعلاقات السببية التي عُيّنت من قبل الخبراء يدوياً.
There is an interest in extracting knowledge and retrieving information automatically from the current availability of a large collection of electronic resources and from the academic literature available on the Web. In this work a tool called Causal Relation Extraction Tool (CRET) has been developed to extract causal relations from texts. The tool is a Relation Parser to extract relation patterns from medical documents. The causal patterns are detected through a fuzzy matching process between the causal patterns database and partial detected string patterns in the electronic medical documents. The extracted knowledge is stored as an index for the documents and the researchers can consult the indexed databases. The main contribution of this work is a method for cause, effect and condition extraction using a fuzzy relation. The causal extraction method is based on extracted noun and adjectival phrases associated with causal verb (patterns). Quantitative matrices measurements like, Precision, recall, and F-score for the classifiers and the causal pattern extraction were used and computed to evaluate our result. The results indicate that CRET generates 77% of the keywords and the casual relations which have manually been associated by human expert.
|
