دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: 1
نویسندگان: Hagit Shatkay. Mark Craven
سری: Computational Molecular Biology
ISBN (شابک) : 0262017695, 9780262017695
ناشر: The MIT Press
سال نشر: 2012
تعداد صفحات: 146
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 3 مگابایت
در صورت تبدیل فایل کتاب Mining the Biomedical Literature به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب استخراج ادبیات پزشکی نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
معرفی روشهای پرتوان، زیستشناسی را به یک علم غنی از داده تبدیل کرده است. دانش در مورد موجودات و فرآیندهای بیولوژیکی به طور سنتی توسط هزاران دانشمند از طریق چندین دهه آزمایش و تجزیه و تحلیل به دست آمده است. فراوانی فعلی داده های زیست پزشکی با ایجاد و انتشار سریع اطلاعات جدید همراه است. با این حال، بسیاری از این اطلاعات و دانش تنها به صورت متنی - در ادبیات زیست پزشکی، دفترچههای آزمایشگاهی، صفحات وب و سایر منابع ارائه میشوند. نیاز محققان به یافتن اطلاعات مرتبط در حجم وسیع متن، موجی از علاقه به تجزیه و تحلیل خودکار متن را ایجاد کرده است. در این کتاب، هاگیت شاتکای و مارک کریون مقدمه ای مختصر و قابل دسترس برای ایده های کلیدی در متن کاوی زیست پزشکی ارائه می دهند. فصلها موضوعاتی مانند منابع مرتبط متن زیستپزشکی را پوشش میدهند. روش های تحلیل متن در پردازش زبان طبیعی؛ وظایف استخراج اطلاعات، بازیابی اطلاعات و طبقه بندی متن؛ و روش هایی برای ارزیابی تجربی سیستم های متن کاوی. در نهایت، نویسندگان چندین برنامه کاربردی را توصیف میکنند که موجودیتها را در متن تشخیص میدهند و آنها را به سایر نهادها و منابع داده پیوند میدهند، از مدیریت پایگاههای داده ساختاریافته پشتیبانی میکنند و از متن برای فعال کردن پیشبینی و کشف بیشتر استفاده میکنند.
The introduction of high-throughput methods has transformed biology into a data-rich science. Knowledge about biological entities and processes has traditionally been acquired by thousands of scientists through decades of experimentation and analysis. The current abundance of biomedical data is accompanied by the creation and quick dissemination of new information. Much of this information and knowledge, however, is represented only in text form--in the biomedical literature, lab notebooks, Web pages, and other sources. Researchers' need to find relevant information in the vast amounts of text has created a surge of interest in automated text-analysis.In this book, Hagit Shatkay and Mark Craven offer a concise and accessible introduction to key ideas in biomedical text mining. The chapters cover such topics as the relevant sources of biomedical text; text-analysis methods in natural language processing; the tasks of information extraction, information retrieval, and text categorization; and methods for empirically assessing text-mining systems. Finally, the authors describe several applications that recognize entities in text and link them to other entities and data resources, support the curation of structured databases, and make use of text to enable further prediction and discovery.