文献

J-GLOBAL ID：201702245068041905   整理番号：17A0363308

大規模テキストデータからの生物医学概念の間の関係を抽出効率的MapReduceを活用【Powered by NICT】

Leveraging MapReduce to efficiently extract associations between biomedical concepts from large text data

著者 (4件)： Ji Yanqing (Department of Electrical and Computer Engineering, Gonzaga University, Spokane, WA 99258 USA) ,  Tian Yun (Computer Science Department, Eastern Washington University, Cheney, WA 99004 USA) ,  Shen Fangyang (Department of Computer System Technology, New York City College of Technology, Brooklyn, NY 11201 USA) ,  Tran John (Frontier Behavioral Health, Spokane, WA 99202, USA)
資料名： Microprocessors and Microsystems  (Microprocessors and Microsystems)
巻： 46  号： PB  ページ： 202-210  発行年： 2016年 
JST資料番号： H0781A  ISSN： 0141-9331  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 大型生物医学テキストデータは,研究者が生物学的システムに関する深い知識を発見するために可能にするだけでなく,医療従事者は臨床現場の根拠に基づく医療を支援する情報の重要な供給源である。しかし,これらのデータを調査・分析データと計算集約の両方であることが多い。本論文では,生物医学論文の大規模集合から抽出した生物医学概念の間の関係を効率的にMapReduceを使用し,並列分散プログラミングパラダイム,するかを調べた。最初に,生物医学概念は,統一医学用語システム(UMLS)メタシソーラス生物医学語いと標準データベースにテキストを整合させることにより得られた。は2×2分割表に基づいて定義した興味深さ指標のカテゴリーを計算するために使用できることをMapReduceアルゴリズムを開発した。このアルゴリズムは二MapReduceジョブから構成され,中間結果の数を減らすためにストライプアプローチをとる。実験は2006Genomics Track TREC(Text REtrieval Conference)から33,960記事の入力によるアマゾン弾性MapReduce(EMR)を用いて行った。性能試験により,このアルゴリズムが,近似的に線形スケーラビリティを有し,文献における「対」法よりも効率的であることを示した。プロジェクトチームにおける医師は薬物と疾病治療に関連した相関マイニング結果のサブセットを評価し,有意な連想規則は,高ランク付けすることを見出した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 等級づけ ,  *データベース ,  生体系 ,  弾性 ,  線形性 ,  EBM【医学】 ,  部分集合 ,  性能試験 ,  医師 ,  アルゴリズム ,  集中化
準シソーラス用語： *テキスト ,  *MapReduce ,  *生物医学 ,  *テキストデータ , 【Automatic Indexing@JST】

著者キーワード (4件)： MapReduce ,  高性能計算 ,  相関マイニング ,  生物医学文献

分類 (3件)： ディジタル計算機方式一般  (JC02010O) ,  専用演算制御装置  (JC04030Y) ,  符号理論  (ND02030R)

タイトルに関連する用語 (7件)： 大規模 ,  テキストデータ ,  生物医学 ,  概念 ,  抽出効率 ,  MapReduce ,  活用