Методика инфологического анализа семантического содержания обращений пациентов для организации электронной записи
Ключевые слова:
инфологический подход, тематическая антология, семантическое содержание, структурная декомпозиция текста, понятийный граф текстаАннотация
В рамках инфологического подхода, в целях автоматизации процесса записи больных в медицинских учреждениях, предложена методика обработки обращений пациентов на основе применения инфологической системы, позволяющая организовать электронную запись больных к специалистам медицинского учреждения путем выявления семантического содержания жалоб на состояние здоровья.Литература
1. Приказ от 28 апреля 2011 г. N 364. Об утверждении концепции создания единой государственной информационной системы в сфере здравоохранения (в ред. Приказа Минздравсоцразвития России от 12.04.2012 N 348). 2011.
2. Дюк В.А., Эмануэль В.Л. Информационные технологии в медико-биологических исследованиях // СПб.: Питер. 2003.
3. Александров В.В., Андреева Н.А., Кулешов С.В. Методы построения информационно-логических систем // СПб: Из-во Политех. ун-та. 2006. 96 с.
4. Андреева Н.А., Кокорин П.П. Система построения понятийной иерархии для ассоциативного поиска по текстам. // Информационно-измерительные и управляющие системы. 2008. Т.6. №4. С. 9–13.
5. Александров В.В., Кулешов С.В. Аналитический мониторинг Internet контента. Инфологический подход. // Качество. Инновации. Образование. 2008. № 3. с. 68–70.
6. Кокорин П.П. Инфологическая система аналитического мониторинга научно-технических фондов библиотек // Информационно-измерительные и управляющие системы. 2009. №4, т.7. С. 11–15.
7. Langefors B., Dahlbom B. Essays on Infology: Summing up and Planning for the Future // Studentlitteratur. Lund. 1993. 187 p.
8. Кулешов С.В. Разработка автоматизированной системы семантического анализа и построения визуальных динамических глоссариев // Диссертация на соискание ученой степени кандидата технических наук. Санкт-Петербург. 2005. 100 с.
9. Александров В.В., Кулешов С.В. Семиологические информационные системы — аналитическое самореферирование // Материалы Х Международной конференции и Российской научной школы «Системные проблемы надежности, качества, информационных технологий (Инноватика-2005)». Москва. Радио и связь. 2005. Ч. 6. С. 9–14.
10. Михайлов С.Н. Способ тематической кластеризации текстовых документов на основе их инфологической обработки // Наукоемкие технологии. 2012. Т. 13. № 9. С. 48–51.
11. Кузнецова Ю.М., Осипов Г.С., Чудова Н.В. Изучение положения дел в науке с помощью методов интеллектуального анализа текстов // Управление большими системами: сборник трудов. 2013. № 44. С. 106–138.
12. Smirnov A.V., Pashkin M., Chilov N., Levashovа T. Intelligent Manufacturing Cover image Agent-based support of mass customization for corporate knowledge management. // Engineering Applications of Artificial Intelligence. 2003. vol. 16. Issue 4. pp. 349–364.
13. Smirnov A., Levashova T., Shilov N. Patterns for context-based knowledge fusion in decision support systems // Information Fusion. 2015. vol. 21. pp. 114–129.
14. Zenuni X. Raufi B., Ismaili F., Ajdari J. State of the Art of Semantic Web for Healthcare // Procedia — Social and Behavioral Sciences. 2015. vol. 195. pp. 1990–1998.
15. Kim H., Kang S., Oh S. Ontology-based quantitative similarity metric for event matching in publish/subscribe system // Neurocomputing. 2015. vol. 152. pp. 77–84.
16. Khan S., Safyan M. Semantic matching in hierarchical ontologies // Journal of King Saud University - Computer and Information Sciences. 2014. Issue. 3. vol. 26. pp. 247–257.
17. Зайцева А.А., Кулешов С.В., Михайлов С.Н. Метод оценки качества текстов в задачах аналитического мониторинга информационных ресурсов // Труды СПИИРАН. 2014. Вып. 37. C. 144–155.
2. Дюк В.А., Эмануэль В.Л. Информационные технологии в медико-биологических исследованиях // СПб.: Питер. 2003.
3. Александров В.В., Андреева Н.А., Кулешов С.В. Методы построения информационно-логических систем // СПб: Из-во Политех. ун-та. 2006. 96 с.
4. Андреева Н.А., Кокорин П.П. Система построения понятийной иерархии для ассоциативного поиска по текстам. // Информационно-измерительные и управляющие системы. 2008. Т.6. №4. С. 9–13.
5. Александров В.В., Кулешов С.В. Аналитический мониторинг Internet контента. Инфологический подход. // Качество. Инновации. Образование. 2008. № 3. с. 68–70.
6. Кокорин П.П. Инфологическая система аналитического мониторинга научно-технических фондов библиотек // Информационно-измерительные и управляющие системы. 2009. №4, т.7. С. 11–15.
7. Langefors B., Dahlbom B. Essays on Infology: Summing up and Planning for the Future // Studentlitteratur. Lund. 1993. 187 p.
8. Кулешов С.В. Разработка автоматизированной системы семантического анализа и построения визуальных динамических глоссариев // Диссертация на соискание ученой степени кандидата технических наук. Санкт-Петербург. 2005. 100 с.
9. Александров В.В., Кулешов С.В. Семиологические информационные системы — аналитическое самореферирование // Материалы Х Международной конференции и Российской научной школы «Системные проблемы надежности, качества, информационных технологий (Инноватика-2005)». Москва. Радио и связь. 2005. Ч. 6. С. 9–14.
10. Михайлов С.Н. Способ тематической кластеризации текстовых документов на основе их инфологической обработки // Наукоемкие технологии. 2012. Т. 13. № 9. С. 48–51.
11. Кузнецова Ю.М., Осипов Г.С., Чудова Н.В. Изучение положения дел в науке с помощью методов интеллектуального анализа текстов // Управление большими системами: сборник трудов. 2013. № 44. С. 106–138.
12. Smirnov A.V., Pashkin M., Chilov N., Levashovа T. Intelligent Manufacturing Cover image Agent-based support of mass customization for corporate knowledge management. // Engineering Applications of Artificial Intelligence. 2003. vol. 16. Issue 4. pp. 349–364.
13. Smirnov A., Levashova T., Shilov N. Patterns for context-based knowledge fusion in decision support systems // Information Fusion. 2015. vol. 21. pp. 114–129.
14. Zenuni X. Raufi B., Ismaili F., Ajdari J. State of the Art of Semantic Web for Healthcare // Procedia — Social and Behavioral Sciences. 2015. vol. 195. pp. 1990–1998.
15. Kim H., Kang S., Oh S. Ontology-based quantitative similarity metric for event matching in publish/subscribe system // Neurocomputing. 2015. vol. 152. pp. 77–84.
16. Khan S., Safyan M. Semantic matching in hierarchical ontologies // Journal of King Saud University - Computer and Information Sciences. 2014. Issue. 3. vol. 26. pp. 247–257.
17. Зайцева А.А., Кулешов С.В., Михайлов С.Н. Метод оценки качества текстов в задачах аналитического мониторинга информационных ресурсов // Труды СПИИРАН. 2014. Вып. 37. C. 144–155.
The Method for the Infology Analysis of Patients Complaints Semantic Content in Order to Organize the Electronic Appointments
Abstract
The method for patient reception processing based on infological system is proposed in the context of infological approach. This method allows organizing electronic queue for specialist attendance in health care facilities by semantic evaluation of patient health complaints.
Опубликован
2015-10-15
Как цитировать
Михайлов, С. Н., Малашенко, О. И., & Зайцева, А. А. (2015). Методика инфологического анализа семантического содержания обращений пациентов для организации электронной записи. Труды СПИИРАН, 5(42), 140-154. https://doi.org/10.15622/sp.42.7
Раздел
Статьи
Авторы, которые публикуются в данном журнале, соглашаются со следующими условиями:
Авторы сохраняют за собой авторские права на работу и передают журналу право первой публикации вместе с работой, одновременно лицензируя ее на условиях Creative Commons Attribution License, которая позволяет другим распространять данную работу с обязательным указанием авторства данной работы и ссылкой на оригинальную публикацию в этом журнале.
Авторы сохраняют право заключать отдельные, дополнительные контрактные соглашения на неэксклюзивное распространение версии работы, опубликованной этим журналом (например, разместить ее в университетском хранилище или опубликовать ее в книге), со ссылкой на оригинальную публикацию в этом журнале.
Авторам разрешается размещать их работу в сети Интернет (например, в университетском хранилище или на их персональном веб-сайте) до и во время процесса рассмотрения ее данным журналом, так как это может привести к продуктивному обсуждению, а также к большему количеству ссылок на данную опубликованную работу (Смотри The Effect of Open Access).
