Разработка методов интеллектуального анализа научных публикаций для мониторинга приоритетных направлений развития превентивной и персонализированной медицины
Автор: Золотарев Олег Васильевич, Хакимова Аида Хатифовна, Шарнин Михаил Михайлович
Рубрика: Управление сложными системами
Статья в выпуске: 1, 2019 года.
Бесплатный доступ
В статье рассматриваются вопросы интеллектуального анализа научных публикаций для мониторинга приоритетных направлений развития превентивной и персонализированной медицины. Показано динамичное развитие методов определения современных тенденций в развитии медицины. Рассматриваются различные методы интеллектуального анализа научных публикаций. Проведен анализ публикаций медицинского электронного ресурса PubMed. Предложен метод выделения трендов в развитии направлений превентивной и персонализированной медицины на основе нейронных сетей.
Интеллектуальный анализ данных, приоритетные направления, прогнозирование, нейронные сети, векторное представление слов
Короткий адрес: https://sciup.org/148309514
IDR: 148309514 | DOI: 10.25586/RNU.V9187.19.01.P.109
Список литературы Разработка методов интеллектуального анализа научных публикаций для мониторинга приоритетных направлений развития превентивной и персонализированной медицины
- Courtial J.P. Is indexing trustworthy -classification of articles through co-word analysis/M. Callon, M. Sigogneau//J. Inf. Sci. 1984. Vol. 9, № 2. P. 47-56.
- Агеев Б.А., Черноног С.Б., Розуменко С.Б. Анализ развития научных направлений методом «семантического спектра»//НТИ. Сер. 1: Организация и методика информационной работы. 1990. № 5. С. 16-18.
- Акоев М.А. Картирование науки и технологии, прогноз развития//Руководство по наукометрии: индикаторы развития науки и технологии. Екатеринбург: Изд-во Урал. ун-та, 2014. С. 164-200.
- Rosen-Zvi M., Griffiths T., Steyvers M., Smyth P. The author-topic model for authors and documents. In: Proceedings of the 20th conference on uncertainty in artificial intelligence. Banff, Canada: AUAI Press, 2004. Р. 487-494.
- Wang X., McCallum A. Topics over time: a non-markov continuous-time model of topical trends//Proceedings of the 12th ACM SIGKDD international conference on Knowledge discovery and data mining. ACM, 2006. Р. 424-433.
