کنفرانس بین المللی فناوری اطلاعات و دانش

English

صفحه اصلی / دوازدهمین کنفرانس بین المللی فناوری اطلاعات و دانش

پیش بینی ارتباط میزان مرگ و میر با هم زمانی وجود دو بیماری در مبتلایان به کرونا به کمک بگارگیری شبکه عصبی Word2Vec

نویسندگان :

سمن مثقالی¹ جواد عسکری²

1- دانشگاه صنعتی اصفهان 2- دانشگاه صنعتی اصفهان

کلمات کلیدی :

بیماری کرونا، بردار عددی، بردار معنایی، پیش بینی، دیابت، شبکه عصبی Word2Vec

چکیده :

پیش بینی زودهنگام خطرات ناشی از ابتلا به بیماری کرونا مخصوصا در افراد با بیماری های زمینه ای، در طول همه گیری این بیماری بسیار مورد توجه بوده و با اطمینان از تخصیص کارآمد منابع و برنامه ریزی های درمانی مناسب، می توان مرگ و میر را به میزان قابل توجهی کاهش داد. کرونا به عنوان یک بیماری عفونی مسری می تواند عواقب جبران ناپذیری را برای انسان ها در پی داشته باشد و از آنجا که تحقیقات در مورد این بیماری یک چالش بزرگ به حساب می آید، در همین راستا استفاده از ابزارهای جدید برای کمک به متخصصان و پزشکان در تحقیقاتشان بسیار ارزشمند خواهد بود. مطالعات نشان می دهند بحرانی شدن وضعیت بیماری کرونا در مراحل ابتدایی ابتلا به این بیماری قابل پیش بینی بوده و می تواند در درمان بهتر مبتلایان موثر واقع شود. در این مقاله، با بهره گیری از روش بردارهای عددی برای کلمات، پس از پیش پرازش های لازم و تمیز نمودن داده ها برای استخراج دانش از متون، شبکه عصبی Word2Vec بکار گرفته شده است و مدل پیشنهادی، کلمات را به بردارهای معنایی تبدیل می کند، سپس کلماتی که معانی مشابه دارند، به صورت بردارهای نزدیک به هم قرار می گیرند. نتایج نشان می دهند که هم زمانی حداقل دو بیماری در افراد از جمله دیابت، فشارخون و مشکلات قلبی ریوی از جمله عواملی هستند که می توانند میزان خطر مرگ در مواجهه با کرونا را بیشتر کنند.