Porovnávání textových dat z oblasti lékařských a zdravotnických oborů

Bc. Petra Růžičková

Master's thesis

Textual data comparison from medical and healthcare fields

Abstract:

Práce se zabývá zpracováváním a analýzou podobnosti textových dat, která jsou reprezentována popisem medicínského kurikula a vybranými studijními materiály pro výuku lékařských a zdravotnických studijních programů. Cílem práce je hloubková analýza podobnosti textových dat, práce dále zachází více do hloubky a pojednává o možnostech doporučování obsahu. V rámci přípravy dat je využito několika filtračních kroků, hlavní část přípravy je věnována fázi lemmatizace, která slouží pro účely agregace různých tvarů slov. Výstupem práce je algoritmus sloužící ke srovnání výukových jednotek popisujících medicínské kurikulum v kontextu MeSH klasifikace, dále je rozebrána podobnost studijních materiálů, které jsou reprezentovány prostřednictvím dendrogramů a jsou využity v navrženém doporučovacím systému, nakonec jsou podrobně analyzovány i překryvy studijních materiálů s výukovými jednotkami.

Abstract:

This thesis is focused on text preprocessing and similarity analysis of textual data, which are represented by the curriculum description and study materials from medical and healthcare fields. The aim of this thesis is an in-depth analysis of the text similarity, as well as discussing the possibilities of recommending systems. Several filtering steps are used to prepare the data, the main part of the preparation is devoted to the lemmatization phase, which is used for aggregation of various word forms. The output of the thesis is an algorithm used for comparison of learning units describing the medical curriculum in the context of the MeSH classification. Furthermore, the similarity of study materials, which are represented by dendrograms and are used in the propsed recommendation system, is elaborated. Finally, overlaps of study materials with learning units are analyzed and discussed in detail.

Keywords

medicínské kurikulum, virtuální scénáře, zpracování textových dat, dolování informací z textu, podobnost textu, lemmatizace, CRISP-DM, SIMUportfolio, doporučovací systémy, medical curriculum, virtual patient, text processing, text mining, text similarity, lemmatization, recommender systems

Language used: Czech

Date on which the thesis was submitted / produced: 13. 5. 2019

Thesis defence

• Date of defence: 10. 2. 2020
• Supervisor: RNDr. Martin Komenda, Ph.D.
• Reader: doc. Ing. Daniel Schwarz, Ph.D.

Masaryk University

Faculty of Science

Master programme / field:
Experimental Biology / Mathematical Biology