4. SNOMED元维度运算或操作举例
<br>
<br>1). 推理(Reasoning):
<br> 举例如下:
<br> 如果advantages-and-disadvantages< 0, 那么G-A236*G-A380*sth<i><b>—情况劣于--</b></i>G-A236* G-A020*sath<i><b>—情况劣于--</b></i>G-A236* G-A021*sath<i><b>—情况劣于--</b></i>G-A236* G-A022*sath<i><b>-情况劣于--</b></i>G-A236* G-A023*sath。此处“sth” 意指“something”,”sath”意指“this sth is the same as the former sth”(此事物与前事物等同)。
<br> 从关系: desire→likes-and-dislikes→advantages-and-disadvantages, 我们的如下命题：
<br>如果advantages-and-disadvantages< 0, 那么likes-and-dislikes < 0, 因此 desire < 0(违反意愿的)。例如，如果G-4043，那么G-A222。
<br>
<br>2). 计算机获得信息更详细或更具体：
<br> 举例如下:
<br>如果sth is G-A403, 那么关于此项的更详细或更具体的信息为：identity-distinction > 0 并且 repeatability > 0 并且如果sth为G-A402,那么它的 identity-distinction < 0和repeatability > 0。
<br> 如果sth为G-A423, 那么其reaching-relation > 0并且inside-outside < 0 (即由外部向内部)并且advantages-and-disadvantages < 0 (即对认知目标是不利的)。
<br> 如果advantages-and-disadvantages < 0, 那么(reaching-relation < 0)*sth<i><b>—比后者更有利--(</b></i>reaching-relation > 0)*sath。
<br> 如果sth为G-1003, 那么计算机获得的更为详尽的信息为：这是一个判断并且属于一个认知过程，后者的值=1（认知过程的起始阶段）。
<br> 如果sth为G-1016, 那么计算机获得的更为详尽的信息为：这是一个关于生命过程的判断，其值=10（生命的最后阶段）。
<br>
<br>3). 判断：
<br>例如，G-A456*sth 的粒度> G-A627*sath的粒度。
<br>
<br> 5. 结论
<br>
<br> 为探索增加一个分类学或术语学的计算机”理解”、操作和运算的能力，从认知科学和思维科学的整体观点出发，本文提出一组元关系及其复合。该集合覆盖了几乎所有的SNOMED的一般联结词和修饰词。文中列举了如何基于元维度及其复合进行运算和操作的实例。因而，本文论证了实质性地提高含有关系词（或连接词）或限定词（或修饰词）的术语学或分类学如SNOMED，GALEN[17]等在电子病历等数据媒体中数据挖掘能力的可能性。笔者相信，实现本文的设计和操作对现代软件和数据库技术及优秀的IT人员来讲，并无技术困难。
<br>
<br>
<br>
<br>
<br>摘自包含飞：生物医学知识整合论(V)(英文) ──SNOMED连接词和修饰词的元维度及其复合
<br>
<br>
<br>
<br><!--editpost--><br><br><br><div><font class='editinfo'>此帖由 老包 在 2005-08-09 23:16 进行编辑...</font></div><!--editpost1--> |
发表于 2005-8-15 16:24:22