Text Mining Method in the Field of Health

Abstract

Amac: Metinsel verileri sayisal hale getirerek veri madenciligi algoritmalarina uygulanmasini saglayan metin madenciligi, gunumuz dunyasinda onemli bir yere sahiptir. Bu calismanin amaci, metin madenciligi yontemini tanitmak ve saglik alaninda belirlenen bir konuda uygulamasini gostermektir. Gerec ve Yontem: Calismanin uygulama asamasinda; insan-ve-kanser” ve fare- ve-kanser” seklinde belirlenen iki farkli konu basligi altinda en sik kullanilan Pubmed veritabanindan ayri ayri elde edilen dokumanlara ve daha sonra birlestirilmis dokumanlara Knime programi araciligiyla metin madenciligi yontemi uygulanmis ve K nearest neighbor (K-NN) algoritmasi kullanilarak dokuman siniflamasi yapilmistir. Bulgular: Etiket bulut grafiklerinde one cikan kelimeler “cell” (hucre) ve “cancer” (kanser) kelimeleridir. Her iki dokumanda frekans degeri yuksek cikan “cell”, “cancer”, “tumor”, “patient” gibi kelimelerin veriler birlestirildikten sonra yapilan analizde de yuksek oranla ciktigi gozlenmistir. 600 adet test dokumaninin 255 tanesi insan-ve-kanser sinifina, geri kalaninin ise fare-ve-kanser sinifina ait olduklari; F olcutune gore insan-ve-kanser dokumanlari icin %56,6’lik, fare-ve-kanser dokumanlari icin ise %62,6’lik dogru siniflandirilma yuzdesi tespit edilmistir. K-NN algoritmasi ile %59,8 oraninda kismen basarili bir dokuman siniflama tahmini yapildigi ancak Cohen kappa degerinin %19,7 oldugu ve bu uyumun zayif duzeyde oldugu belirlenmistir. Sonuc: Dijital ve basili dokumanlarin sayisinin oldukca fazla oldugu saglik alaninda hizli ve guvenilir bir sekilde bilgi elde edebilmek icin metin madenciligi yonteminden yararlanilmasi ve kullaniminin yayginlastirilmasi onerilmektedir.