پردازش زبان طبیعی در زیست پزشکی: راهنمای عملی

این کتاب درسی موضوعات گسترده‌ای را در کاربرد پردازش زبان طبیعی (NLP) در زیست‌پزشکی پوشش می‌دهد و بررسی عمیق راه‌حل‌های NLP را ارائه می‌کند که اطلاعات جاسازی شده در متن زیست‌پزشکی را نشان می‌دهد. نیاز به تحقیق و توسعه NLP زیست پزشکی در دو دهه گذشته به عنوان یک زمینه مهم در انفورماتیک شناختی به سرعت رشد کرده است. پردازش زبان طبیعی در پزشکی: یک راهنمای عملی تاریخچه حوزه NLP زیست پزشکی را معرفی می کند و خواننده را با جنبه های اساسی NLP از جمله سطوح مختلف اطلاعات زبانی و یادگیری ماشینی پرکاربرد و الگوریتم های یادگیری عمیق آشنا می کند. این کتاب وظایف متداول NLP بیوپزشکی، مانند شناسایی موجودیت نام‌گذاری شده، عادی‌سازی مفهوم، استخراج رابطه، طبقه‌بندی متن، بازیابی اطلاعات و پاسخ‌گویی به سؤال را شرح می‌دهد. این کتاب وظایف را با موارد استفاده واقعی نشان می‌دهد و مجموعه داده‌های دنیای واقعی، الگوریتم‌های یادگیری ماشینی جدید و یادگیری عمیق و مدل‌های زبان بزرگ را معرفی می‌کند. منابع مرتبط برای مجموعه ها و اصطلاحات پزشکی نیز معرفی شده است. فصل های پایانی به بحث در مورد کاربردهای NLP زیست پزشکی در مراقبت های بهداشتی و علوم زندگی اختصاص دارد. بنابراین، این کتاب درسی خواندن ضروری را برای دانش‌آموزان در برنامه‌های انفورماتیک زیست‌پزشکی، و همچنین برای متخصصانی که در حال انجام تحقیقات یا ساختن سیستم‌های NLP زیست‌پزشکی هستند، ارائه می‌کند.

Natural Language Processing in Biomedicine: A Practical Guide

This textbook covers broad topics within the application of natural language processing (NLP) in biomedicine, and provides in-depth review of the NLP solutions that reveal information embedded in biomedical text. The need for biomedical NLP research and development has grown rapidly in the past two decades as an important field in cognitive informatics. Natural Language Processing in Biomedicine: A Practical Guide introduces the history of the biomedical NLP field and takes the reader through the basic aspects of NLP including different levels of linguistic information and widely used machine learning and deep learning algorithms. The book details common biomedical NLP tasks, such as named entity recognition, concept normalization, relation extraction, text classification, information retrieval, and question answering. The book illustrates the tasks with real-life use cases and introduces real-world datasets, novel machine learning and deep learning algorithms, and large language models. Relevant resources for corpora and medical terminologies are also introduced. The final chapters are devoted to discussing applications of biomedical NLP in healthcare and life sciences. This textbook therefore represents essential reading for students in biomedical informatics programs, as well as for professionals who are conducting research or building biomedical NLP systems.

Product details

• Publisher ‏ : ‎ Springer; 2024th edition (June 9, 2024)
• Language ‏ : ‎ English
• Hardcover ‏ : ‎ 460 pages
• ISBN-10 ‏ : ‎ 3031558642
• ISBN-13 ‏ : ‎ 978-3031558641
• Item Weight ‏ : ‎ 2 pounds
• Dimensions ‏ : ‎ 1.6 x 0.8 x 8.9 inches