Journals / Dokuz Eylül Üniversitesi Mühendislik Fakültesi Fen ve Mühendislik Dergisi / 2020 / Cilt: 22 - Sayı: 64
Latent Dirichlet Allocation for Medical Dataset
- Pages
- 67–80
- DOI
- —
Abstract
Examination of the literature in the relevant field is a very important stage in scientific studies. When the literature is reviewed manually, it is not possible to perform a comprehensive review or such a search takes a very long time. On the other hand, the automatic search of the literature does not enable in-depth semantic search. In this study, a topic modelling method Latent Dirichlet Allocation (LDA), that performs the automatic and semantic analysis of medical articles published by researchers in Turkey, is applied. The experimental study was carried out on articles in the medical literature in the last 11 (eleven) years from PubMed, which is a medical database based on years. When the experimental results are analyzed, it has been observed that the titles, which have trend in the last 11 (eleven) years, have been discovered successfully.
Özet
Bilimsel çalışmalarda ilgili alandaki literatürün incelenmesi oldukça önemli bir aşamadır. Literatür insan tarafından tarandığında, geniş kapsamlı bir inceleme yapılması mümkün olamamakta, ya da böyle bir arama çok uzun zaman almaktadır. Öte yandan literatürün otomatik olarak taranması derinlemesine bir anlamsal analizi mümkün kılmamaktadır. Bu çalışma kapsamında Türkiye’deki araştırmacılar tarafından yayınlanmış tıp makalelerinin otomatik ve anlamsal analizini gerçekleştiren bir konu modelleme yöntemi olan Gizli Dirichlet Ayrımı (GDA) uygulanmıştır. Deneysel çalışma, yıllara göre bir tıp veritabanı olan PubMed’den elde edilen son 11 (on bir) yıldaki yayınla tıp literatüründeki makaleler üzerinde gerçeklenmiştir. Deneysel sonuçlar incelendiğinde, son 11 (on bir) yılda trend olan çalışma başlıklarının başarılı bir şekilde keşfedildiği gözlenmiştir.