محسن آرمانی مطهر - دانشجوی ارشد فناوری اطلاعات، واحد تهران غرب، دانشگاه آزاد اسلامی، تهران، ایران
سینا دامی - استادریار گروه مهندسی کامپیوتر، واحد تهران غرب، دانشگاه آزاد اسلامی، تهران، ایران

شناسایی موضوعات نوظهور از متون آنلاین جامعه پزشکی کاری مهم ولی بسیار پیچیده است ، زیرا دراکثر موارد، اطلاعات مرتبط بین منابع مختلف پزشکی و در زبانها و فرمت های گوناگون پراکنده شده است و ممکن است با هزاران موضوعات دیگر تداخل و همپو شانی دا شته با شند. هدف از این پژوهش ، شنا سایی مو ضوعات نوظهور از متون آنلاین جامعه پز شکی بطور موثر ا ست و با بهره گیری از بستر اینترنت اشیاء سلامت و همچنین تکنیک های متن کاوی سعی می شود تا شناسایی موضوعات نوظهور جامعه پزشکی با دقت بالاتری انجام شود. در این پژوهش اقدام به کاهش ابعاد داده های ورودی با الگوریتم chi-square شده است و با ا ستفاده از الگوریتم COBWEB اقدام به شنا سایی مو ضوعات نوظهور شده ا ست . برای سنجش نتایج روش پی شنهادی با روشهای مبتنی بر الگوریتمهای KMeans و EM مقایسه شده است و کیفیت حاصله براساس معیار-F بر حسب درصد مقایسه شده است . نتایج آزمایشگاهی نشان داد که روش پیشنهادی نسبت به دو روش دیگر دارای عملکرد بهتری است . با آنکه الگوریتم KMeans در بعضی حالات به میزان جزیی از روش پیشنهادی بهتر عمل کرده است ولی در باقی موارد، روش پیشنهادی دارای کارایی بطور قابل ملاحظه بهتری است . الگوریتم EM نیز دارای فاصله قابل توجهی با دو روش مورد مقایسه دیگر است و از نظر کارایی به پای دو روش دیگر نر سیده ا ست . میانگین کارایی حا صله برای رو شهای مورد مقای سه نیز ن شان داد که روش پیشنهادی دارای عملکرد میانگین بهتری نسبت به دو روش دیگر بوده است .

شناسایی موضوعات نوظهور، متن کاوی آنلاین جامعه پزشکی ، اینترنت اشیاء سلامت ، متن کاوی