초록 열기/닫기 버튼
본 논문에서는 SNOMED CT 용어체계가 가지고 있는 계층 구조의 특성을 논의하고 계층 구조의 일관성을 높이기 위한 방법을 제안한다. 이 용어체계는 방대한 양의 의학적 개념이 관계로 연결되어 있는 복잡한 온톨로지 구조를 이루고 있다. 하지만, 용어체계 내 어떤 개념들은 매우 세분화된 하위 계층 구조를 가지고 있으나, 또 다른 개념에서는 세분화가 전혀 되어 있지 않은 등 계층 구조의 일관성이 없는 문제가 존재한다. 본 논문에서는 용어체계가 가지고 있는 계층 구조에 따라 자식 개념들의 어휘 특성을 도출하고, 이를 이용하여 기존에 구조화되지 않은 개념들에 대해 구조화가 가능한 특성 개념 그룹을 생성함으로써 계층 구조의 일관성을 강화하는 방법을 제안한다. 2023년 3월 배포된 SNOMED CT 국제 배포판에 제안한 기법을 적용한 결과 총 10,754건의 특성 개념 그룹을 생성되었으며, 이를 통해 약 25,798개의 개념이 재구조화가 가능함을 확인하였다.
This paper discusses the characteristics of the hierarchical structure within the SNOMED CT terminology system and proposes a method to improve the structural consistency. The terminology system forms a complex ontology structure with a vast amount of medical concepts are interconnected through relationships. However, there is a inconsistency problem of hierarchy definition where some concepts have a highly subdivided hierarchical structure, while others are not subdivided at all. In this paper, we propose a method to derive the lexical features of child concepts based on the hierarchical structure of the terminology system and use these features to create feature concept groups that allow structuring of previously unstructured concepts. By applying the proposed method to the March 2023 release of the SNOMED CT international edition, a total of 10,754 feature concept groups were generated, enabling the restructuring of approximately 25,798 concepts.
키워드열기/닫기 버튼
Feature Extraction, Hierarchical Structure, Lexical Analysis, SNOMED CT