A proposed approach for textual case based reasoning / by Haidy Nabil Mohamed Gamal ElDin ElOrabi ; Supervised Prof. Dr. Hesham Ahmed Hefny ,Dr.Mahmoud Abdelmonem, Dr.AbdelAziz Ahmed .

Thesis (M.Sc)-Cairo University, 2023.

Bibliography: pages 75-96.

Nowadays practically everyone in the world creates data on the internet, whether it be through news, social media, internet searches, blogs, etc. As databases contain a lot of data, the issue is known as big data. A large percentage of data is unstructured text, machine learning algorithms have difficulty using their predictive abilities.
The main contribution of the proposed approach presented in this thesis incorporates a set of techniques and approaches to formulate an approach that aims to help patients in finding the most suitable drug. The approach utilizes reviews of drugs’, dataset along with natural language processing techniques in information extraction with the consideration of patient’s condition and side effects. Sentiment analysis with respect to rating correlation is utilized as validation technique to detect the negative patient’s reviews. The validated negative reviews are clustered upon the condition and the drug name. The clusters take advantage of text vectorization and cosine similarity to solve the language domain problems through assisting the patients in selecting the suitable medicine that excludes most of conditions that had related to similar side effects.
The results from this approach are introducing a drug dataset utilizing TCBR capable of providing responses tailored to a patient’s condition by suggesting semantically similar drugs that have been previously used , aiding patients in the selection of the most suitable medicine matches, creating a novel approach to prevent cases of side effects associated with the patient’s condition, constructing an intelligent approach to address language and domain challenges, facilitating the identification of the optimal combination of various medications for patients, and finally identifying similarities between new cases and past cases enabling swift and precise retrieval of relevant cases.

في الوقت الحالي، يقوم الجميع تقريبا في العالم بإنشاء بيانات على الإنترنت، سواء من خلال الأخبار أو وسائل التواصل الاجتماعي أو عمليات البحث على الإنترنت أو المدونات الخ. نظرًا لأن قواعد البيانات تحتوي على الكثير من البيانات، يُعرف هذا الأمر بالبيانات الكبيرة. نسبة كبيرة من هذه البيانات هي نصوص غير منظمة، مما يجعل صعبًا على خوارزميات التعلم الآلي استخدام قدراتها التنبؤية.

المساهمة الرئيسية للنهج المقترح الذي يتم تقديمه في هذه الرسالة هي دمج مجموعة من التقنيات والنهج لصياغة إطار يهدف إلى مساعدة المرضى في العثور على الدواء الأكثر ملاءمة. يستخدم الإطار استعراضات الأدوية، ومجموعة بيانات، بالإضافة إلى تقنيات معالجة اللغة الطبيعية في استخراج المعلومات مع مراعاة حالة المريض والآثار الجانبية.

نتائج هذا النهج تقوم بتقديم مجموعة بيانات للأدوية باستخدام الاستدلال القائم على الحالات النصية، القادرة على توفير استجابات مصممة خصيصًا لحالة المريض من خلال اقتراح أدوية ذات دلالة متشابهة تم استخدامها سابقًا، مما يساعد المرضى في اختيار أفضل توافق للأدوية. ويتضمن النهج الجديد إبداع تقنية لتجنب حالات الآثار الجانبية المرتبطة بحالة المريض، بالإضافة إلى بناء نهج ذكي للتعامل مع تحديات اللغة والمجال، وتسهيل التعرف على التركيبة الأمثل لمجموعة متنوعة من الأدوية للمرضى. يتيح تحديد التشابه بين الحالات الجديدة والحالات السابقة استرجاع الحالات ذات الصلة بشكل سريع ودقيق.

يُستخدم تحليل المشاعر بالنسبة لارتباط التقييم كتقنية تحقق لاكتشاف تقييمات المرضى السلبية. يتم تجميع التقييمات السلبية المحققة بناءً على حالة المريض واسم الدواء. تستفيد هذه التجميعات من تجسيم النصوص والتشابه التماثلي لحل مشاكل نطاق اللغة من خلال مساعدة المرضى في اختيار الدواء المناسب الذي يستبعد معظم الحالات التي ترتبط بآثار جانبية مماثلة.
في الأعمال المستقبلية، ستتم استكشاف مزيد من التقنيات لتحسين جودة النهج، مثل تحسين خوارزمية التجميع لجعل العملية أسرع، واستخدام لغات أخرى، وتكييف وتحسين تقنيات معالجة النصوص.

Issues also as CD.

Text in English and abstract in Arabic & English.