Előadást letölteni
Az előadás letöltése folymat van. Kérjük, várjon
1
A Medline jövője és szemantikus web motorok
Dr. Geges József Ovidius Information Services Ltd., West Sussex U.K.
2
Kérdések megválaszolása
Mennyi különböző MEDLINE-t ismer? Melyiket kedveli leginkább? Általában mennyi keresési mezőt használ? Hagyjon megjegyzést az „output”-on (megoldotta a problémát, vagy csak dokumentumot keresett) * Gondolt már valaha arra, hogy a MEDLINE nem egy egyszerű adatbázis?
3
Alapelv „ I have a dream for the Web in which computers become capable of analyzing all the data in the Web” Tim Berners-Lee, 1999
5
LEARN TEXT - INTELLIGENT
web 3.0 kihívás HTML (Hyper Text Markup Language) – X(extensible)ML – XHTML – RDF (Resource Description Framework) ? ? ? Data information understand Ontology* Read – write Know texts LEARN TEXT - INTELLIGENT META SEARCH KNOWLEDGE WEB 3.0
6
web 3.0 megköveteli Szolgáltatói oldal Felhasználói oldal
Letisztult forma Pontos szavak Egyszerű alkalmazás Tiszta formájú és szerkezetű adatbázisok problémamegoldás Kristálytiszta eredmények Az adatok helyes formája Könnyű használat Megjelenítés csoportosítása
7
SOLUTIONS S E M A N T I C S E A R C H I N G GRAFICAL CLUSTER FAQ
PROFESSIONAL DATA S E M A N T I C S E A R C H I N G
8
Medline & web 3.0 Mindenki megérti a „MESH”-t
A Nemzetközi Orvostudományi Könyvtárnak vannak a legnagyobb, jól felépített adatbázisai. A keresés könnyen kontrollálható Mindenkinek megvan a saját keresési stratégiája
9
Körülbelül 30 Medline változatot ismerünk és használunk
MEDLINE VÁLTOZATOK Találatok és prioritások listája Alapelv szerinti rangsorolás Kapcsolatok, összefüggések szerinti rangsorolás Felhasználói felület Adatok elérési módja Körülbelül 30 Medline változatot ismerünk és használunk
10
PubMed
11
A PubMed changes
12
MEDLINE TALÁLATOK ÉS RANGSOROLÁS
SEMMED RefMed* 2010 RANKING BY FEADBACKS - QUALITY Quertle 2009 BY PRINCIPLES MedlineRanker CUSTER ADDED RANKING MiSearch* FEEDBACKS Hakia 2008 SEMANTIC SEARCH DEVELOPED SemanticMED TECHNOLOGY OF COGNITIONS MScanner MULTI LEVEL CLUSTERING eTBLAST 2007 RELATED SEARCHES PubFocus 2006 BY IMPACT FACTORS Twease 2005 AMENDED MESH
13
Szemantikus web „Find what I mean not what I type”
- NÉMET FEJLSZTÉS (2010) - MESH plusz ONTOLÓGIA - SZÉLESKÖRBEN ALKALMAZOTT ALGORITMUS - FELHASZNÁLÓBARÁT, CSOPORTOSÍTOTT MEGJELENÍTÉS GO engines
14
Szemantikus web „Find what I mean not what I type”
- 24 évnyi fejlesztés - multidiszciplináris - MEDLINE és WIKIPEDIA adatbázison tesztelve - Gyenge megjelenítés Cognition
15
Szemantikus web „Find what I mean not what I type”
- a legjobb, de korlátozott - többnyelvű - általában 10 „csomópont” fut egyszerre - kifinomult alternatív kulcsszavak, mint: cure, treat, therapy, look after Hakia
16
Semantic web „Find what I mean not what I type”
- mélyweb és dokumentum keresés - kifinomult csoportosítás - nagyon hosszú keresési mondatok - kissé bonyolult találati lista DeepDyve
17
What else of semantic web but not MEDLINE related
SWSE – a legjobb technológia KOSMIX – Time Warner spent $20M EXALEAD – képekre fókuszálva LEXXE – Q&A típus (2011 Sept. 27 újraindul) POWERSET – a Microsoft megvásárolta - BING SWOOGLE – visszavonult
18
Two ways to follow Dr. WATSON HOUSE ???
„The WellPoint application will combine data from three sources: a patient's chart and electronic records that a doctor or hospital has, the insurance company's history of medicines and treatments, and Watson's huge library of textbooks, medical journals and databases.”
19
Köszönöm a figyelmet
Hasonló előadás
© 2024 SlidePlayer.hu Inc.
All rights reserved.