7 0 0 /2 /7 0 : 2 1 ( 2 ( Google Yahoo

Μέγεθος: px

Εμφάνιση ξεκινά από τη σελίδα:

Download "7 0 0 /2 /7 0 : 2 1 ( 2 ( Google Yahoo"

Ναζωραῖος Γιάνναρης
8 χρόνια πριν
Προβολές:

1 Ανάπτυξη Υποδοµής Γλωσσικής Τεχνολογίας για το Βιοϊατρικό Τοµέα Neurosoft A.E. --- ΕΑΙΤΥ ΓΓΕΤ, ΚτΠ, Πρόγραµµα «ΕΠΕΞΕΡΓΑΣΙΑ ΕΙΚΟΝΩΝ, ΗΧΟΥ ΚΑΙ ΓΛΩΣΣΑΣ» Σχεδιασµός & Συλλογή Σώµατος Βιοϊατρικών Κειµένων (ΣΒΚ) Σελίδα 1 Ηµεροµηνία: 20/7/2007 Οµιλητής: Χρ. ιολής

2 Αντικείµενο παρουσίασης 1. Εντοπισµός πηγών στο διαδίκτυο 2. Αξιολόγηση ιστοτόπων βάσει περιεχοµένου 3. Συλλογή κειµένων µέσω Προσκοµιστή εγγράφων 4. Κατηγοριοποίηση κειµένων Σελίδα 2 Ηµεροµηνία: 20/7/ Εισαγωγή κειµένων σε µια Αποθήκη Εγγράφων

Συλλογή κειµένων µέσω Προσκοµιστή εγγράφων 4.

3 1. Εντοπισµός πηγών στο διαδίκτυο Στόχος: Αναζήτηση ιστοτόπων στο διαδίκτυο που περιέχουν ελληνικά ιατρικά περιοδικά και άρθρα ελληνικών ιατρικών συνεδρίων Επίπεδο 1 (Ερευνητικοί & Ακαδηµαϊκοί ιστότοποι) ΕλληνικόΙατρικό ίκτυο - MedNet Hellas ( Εθνικό Κέντρο Τεκµηρίωσης ( Βιβλιοθήκη Πανεπιστηµίου Μακεδονίας ( Επίπεδο 2 (Μηχανές Αναζήτησης) Σελίδα 3 Ηµεροµηνία: 20/7/2007 Google Yahoo

Hellas (http://www.mednet.gr) Εθνικό Κέντρο Τεκµηρίωσης (http://antigua.ekt.

4 2. Αξιολόγηση ιστοτόπων βάσει περιεχοµένου Στόχος:Επιλογήκατάλληλωνιστοτόπωνµεβάσητησυγκέντρωση, κατηγοριοποίηση και δόµηση της πληροφορίας παρουσίασης των κειµένων. Κριτήρια Επιλογής: Επιστηµονικά περιοδικά, ενηµερωτικά ιατρικά περιοδικά και άρθρα συνεδρίων Σελίδα 4 Ηµεροµηνία: 20/7/2007 Επεξεργάσιµη µορφή (html, pdf, txt) Θεµατική κατηγοριοποίηση

5 Αποτελέσµατα Αξιολόγησης ιστοτόπων ΚΑΤΗΓΟΡΙΑ ΙΣΤΟΤΟΠΟΙ Επιστηµονικά Περιοδικά 33 Ενηµερωτικά Ιατρικά Περιοδικά 12 Ιατρικά Συνέδρια 2 Σελίδα 5 Ηµεροµηνία: 20/7/2007 Σύνολο 47

6 3. Συλλογή κειµένων µέσω Προσκοµιστή εγγράφων Στόχος: Σχεδιασµός και υλοποίηση ενός Προσκοµιστή εγγράφων ειδικού σκοπού για την περισυλλογή των κειµένων από το σύνολο των προεπιλεγµένων ιστοτόπων. Χαρακτηριστικά Προσκοµιστή ιαχείριση ελληνικών κειµένων Είσοδος από XML αρχείο που περιέχει το σύνολο των ιστοτόπων Σελίδα 6 Ηµεροµηνία: 20/7/2007 Παραγωγή XML αρχείου µε πληροφορίες της συγκεκριµένης πηγής Λαµβάνει υπόψη το Robots.txt της πηγής, αν υπάρχει

Χαρακτηριστικά Προσκοµιστή ιαχείριση ελληνικών κειµένων Είσοδος από XML αρχείο που περιέχει το σύνολο των

7 Αποτελέσµατα Συλλογής Κειµένων Περιλήψεις Άρθρων Πλήρη Άρθρα Πρακτικά Συνεδρίων Κείµεναµεπολλάάρθρασεένααρχείο ΣΥΝΟΛΟ ΚΕΙΜΕΝΩΝ HTML PDF Σελίδα 7 Ηµεροµηνία: 20/7/ (11,5 εκατ. λέξεις) / 69,8% / 30,2%

8 4. Κατηγοριοποίηση κειµένων Πρόβληµα: Τα κείµενα που βρέθηκαν στο διαδίκτυο δεν ήταν κατηγοριοποιηµένα ως προς θεµατική ενότητα Αποτέλεσµα: Μη λειτουργικό Σώµα Κειµένων Σελίδα 8 Ηµεροµηνία: 20/7/2007 Αντιµετώπιση:Κατηγοριοποίησητων κειµένων από ειδικούς (Ιατρούς) µε βάση τις ιατρικές ειδικότητες

Μη λειτουργικό Σώµα Κειµένων Σελίδα 8 Ηµεροµηνία: 20/7/2007

9 5. Εισαγωγή κειµένων σε µια Αποθήκη Εγγράφων Στόχος: Εισαγωγή των κειµένων και των µεταδεδοµένων τους σε µια αποθήκη εγγράφων Αποθήκη Εγγράφων Σύστηµα ιαχείρισης Σχεσιακής Βάσης εδοµένων Προσπέλαση δεδοµένων από πολλούς χρήστες ταυτόχρονα Ανεξαρτησία λογικών δοµών Σελίδα 9 Ηµεροµηνία: 20/7/2007 ιατήρηση εκδόσεων των δεδοµένων

ιαχείρισης Σχεσιακής Βάσης εδοµένων Προσπέλαση δεδοµένων από πολλούς χρήστες

10 E.R. Σελίδα 10 Ηµεροµηνία: 20/7/2007

11 Επόµενα Βήµατα Μετατροπή Κειµένων (htm, pdf) σε απλό κείµενο (txt) Σχολιασµός Κειµένων Εύρεση Μονολεκτικών Βιοϊατρικών Όρων Εύρεση Πολυλεκτικών Βιοϊατρικών Όρων Σελίδα 11 Ηµεροµηνία: 20/7/2007

Σχετικά έγγραφα

Software Production Company

Software Production Company Ανάπτυξη Υποδοµής Γλωσσικής Τεχνολογίας για το Βιοϊατρικό Τοµέα Neurosoft A.E. --- ΕΑΙΤΥ ΓΓΕΤ, ΚτΠ, Πρόγραµµα «ΕΠΕΞΕΡΓΑΣΙΑ ΕΙΚΟΝΩΝ, ΗΧΟΥ ΚΑΙ ΓΛΩΣΣΑΣ» Προϋπολογισµός: 561.240 ιάρκεια: 18 µήνες ΕπιστηµονικόςΥπεύθυνος: