ປະຫວັດສາດໃຫມ່

ວິທີການຂໍ້ມູນການຈັດຊື້ການດູແລສຸຂະພາບຖືກໃຊ້ເພື່ອປະເມີນຄວາມຫນ້າເຊື່ອຖືຂອງຜູ້ສະຫນອງ

ໂດຍ Text Mining6m2024/12/22

NSO

ຍາວເກີນໄປ; ອ່ານ

ພາກນີ້ສົນທະນາກ່ຽວກັບຄວາມສັບສົນຂອງຂໍ້ມູນການຈັດຊື້ການດູແລສຸຂະພາບ, ສຸມໃສ່ເອກະສານການປະມູນແລະລາງວັນທີ່ມີຫຼາຍພາສາແລະບໍ່ມີໂຄງສ້າງຂອງເວທີ TED, ແລະການພັດທະນາຖານຂໍ້ມູນທີ່ມີໂຄງສ້າງສໍາລັບການປະເມີນຄວາມສ່ຽງຂອງຜູ້ສະຫນອງ.

featured image - ວິທີການຂໍ້ມູນການຈັດຊື້ການດູແລສຸຂະພາບຖືກໃຊ້ເພື່ອປະເມີນຄວາມຫນ້າເຊື່ອຖືຂອງຜູ້ສະຫນອງ

ຕາຕະລາງການເຊື່ອມຕໍ່

2. ໂດເມນ ແລະໜ້າວຽກ

ວຽກງານນີ້ເນັ້ນໃສ່ການຈັດຊື້ສຸຂະພາບ, ເຊິ່ງບໍ່ຄ່ອຍໄດ້ສຶກສາໃນວັນນະຄະດີ. ເປົ້າຫມາຍຕົ້ນຕໍຂອງໂຄງການແມ່ນການພັດທະນາເວທີທີ່ອະນຸຍາດໃຫ້ສ້າງແບບເຄື່ອນໄຫວຂອງ 'ໂປຣໄຟລ໌ຄວາມສ່ຽງຂອງຜູ້ສະຫນອງ' ສໍາລັບຜູ້ສະຫນອງການດູແລສຸຂະພາບແຕ່ລະຄົນ. ພວກເຮົາຄາດຄະເນຂໍ້ມູນດັ່ງກ່າວປະກອບດ້ວຍ 'ຕົວຊີ້ວັດ' ທີ່ແຕກຕ່າງກັນທີ່ປະເມີນທັດສະນະທີ່ແຕກຕ່າງກັນ (ຕົວຢ່າງ, ຄວາມສາມາດໃນການສະຫນອງຜະລິດຕະພັນບາງຢ່າງ, ການຄຸ້ມຄອງທາງພູມສາດ) ຂອງ 'ຄວາມສ່ຽງ' ສໍາລັບຜູ້ຊື້ທີ່ມີທ່າແຮງທີ່ຈະເຊັນສັນຍາກັບຜູ້ສະຫນອງ. ນີ້ຈະຊ່ວຍໃຫ້ຄໍາຖາມເຊັ່ນ: 'ໃຜເປັນຜູ້ສະຫນອງສາມາດສະຫນອງຢາຊະນິດນີ້', 'ພວກເຂົາມີຄວາມສາມາດທີ່ຈະສະຫນອງໃຫ້ແກ່ປະເທດນີ້ໃນລະດັບໃດ', ຫຼື 'ພວກເຂົາສາມາດສະຫນອງປະລິມານດັ່ງກ່າວ' ເພື່ອຕອບໄດ້ງ່າຍ. ຄໍາຖາມດັ່ງກ່າວມັກຈະສໍາຄັນສໍາລັບການຕັດສິນໃຈຂອງຜູ້ຊື້. ຢ່າງໃດກໍ່ຕາມ, ຂະບວນການຈັດຊື້ໃນປະຈຸບັນແມ່ນອີງໃສ່ການແຍກດ້ວຍຕົນເອງໂດຍຜ່ານເອກະສານທີ່ມີຄວາມຍາວຫຼາຍເພື່ອຄົ້ນຫາຄໍາຕອບ. ນີ້ແມ່ນຂະບວນການບໍລິໂພກຊັບພະຍາກອນຫຼາຍ. ເຂົ້າໃຈໄດ້, ຜູ້ເປີດໃຊ້ເປົ້າຫມາຍຕົ້ນຕໍຂອງພວກເຮົາຈະເປັນຖານຂໍ້ມູນທີ່ມີໂຄງສ້າງຂອງຂໍ້ມູນສັນຍາປະຫວັດສາດຂອງຜູ້ສະຫນອງການດູແລສຸຂະພາບ. ດັ່ງນັ້ນ, ເປົ້າຫມາຍທີສອງຂອງໂຄງການແມ່ນເພື່ອພັດທະນາຖານຂໍ້ມູນດັ່ງກ່າວແລະຕື່ມຂໍ້ມູນໃນການຈັດຊື້ດ້ານສຸຂະພາບປະຫວັດສາດ. ໃນຂະນະທີ່ຂໍ້ມູນການຈັດຊື້ສາທາລະນະແມ່ນມີຢ່າງຫຼວງຫຼາຍ, ດັ່ງທີ່ພວກເຮົາຈະອະທິບາຍຕໍ່ໄປນີ້, ມີການປະສົມຂອງຂໍ້ມູນຫຼາຍພາສາທີ່ມີໂຄງສ້າງ, ເຄິ່ງໂຄງສ້າງ, ແລະບໍ່ມີໂຄງສ້າງທີ່ຕ້ອງໄດ້ຮັບການຂຸດຄົ້ນແລະເຊື່ອມໂຍງ. ດັ່ງນັ້ນ, ສ່ວນຫນຶ່ງຂອງວຽກງານຂອງໂຄງການແມ່ນການພັດທະນາການຂຸດຄົ້ນຂໍ້ຄວາມແລະການແກ້ໄຂ NLP ທີ່ອັດຕະໂນມັດການປຸງແຕ່ງຂໍ້ມູນການຈັດຊື້ທີ່ບໍ່ມີໂຄງສ້າງໃນຈໍານວນຂະຫນາດໃຫຍ່ໂດຍອັດຕະໂນມັດກັບຂໍ້ມູນຂຸດຄົ້ນບໍ່ແຮ່ທີ່ສາມາດນໍາໃຊ້ເຂົ້າໃນຖານຂໍ້ມູນ. ເປົ້າຫມາຍຂອງບົດຄວາມນີ້ແມ່ນດັ່ງນັ້ນ, ເພື່ອລາຍງານການພັດທະນາຂອງວິທີການຂຸດຄົ້ນຂໍ້ຄວາມເຫຼົ່ານີ້ແລະ NLP.

2.1. ແຫຼ່ງຂໍ້ມູນແລະຄວາມສັບສົນ

ໂຄງການດັ່ງກ່າວໄດ້ແນໃສ່ຂໍ້ມູນການຈັດຊື້ຈາກເວທີ 'Tenders Electronic ປະຈໍາວັນ' (TED), ເຊິ່ງໄດ້ຖືກນໍາໃຊ້ໂດຍລັດຖະບານ EU ເພື່ອເຜີຍແຜ່ໂຄງການທີ່ກ່ຽວຂ້ອງກັບການຈັດຊື້ສາທາລະນະຂອງເຂົາເຈົ້າ. TED ເຜີຍແຜ່ຫຼາຍກວ່າ 460,000 ຮຽກຮ້ອງການປະມູນແລະສັນຍາລາງວັນໃນ 26 ພາສາເອີຣົບຢ່າງເປັນທາງການຕໍ່ປີ, ສໍາລັບມູນຄ່າປະມານ 420 ຕື້ເອີໂຣ. ແຕ່ລະການປະມູນອາດຈະແບ່ງອອກເປັນຫຼາຍ 'ຫຼາຍ', ເຊິ່ງຫຼາຍແມ່ນຫົວໜ່ວຍສັນຍາທີ່ນ້ອຍທີ່ສຸດ. ແຕ່ລະ lots ອາດຈະປະກອບມີຫຼາຍລາຍການທີ່ຕ້ອງການ. ເປັນຕົວຢ່າງ, ປະກາດການປະມູນ '2019/S 180-437985'[1] ລາຍຊື່ 47 lots ຈາກ NHS (UK) tender, ມີຂະຫນາດຂອງເຂົາເຈົ້າຕັ້ງແຕ່ 2 ຫາຫຼາຍກວ່າ 30 ລາຍການ. ຖ້າການປະມູນຮັບປະກັນການປະມູນທີ່ປະສົບຜົນສໍາເລັດ, 'ລາງວັນສັນຍາ' (ຫຼືຫຼາຍລາງວັນ) ຈະຖືກເຮັດແລະບັນທຶກໄວ້ໃນ TED ສໍາລັບການປະມູນ. ຕໍ່ໄປນີ້, ສໍາລັບເຫດຜົນຂອງການອະທິບາຍ, ພວກເຮົາສົມມຸດວ່າມີລາງວັນຫນຶ່ງສໍາລັບແຕ່ລະການປະມູນ (ຢ່າງໃດກໍ່ຕາມໃນການປະຕິບັດ, ວິທີການຂອງພວກເຮົາແມ່ນໃຊ້ກັບລາງວັນທັງຫມົດທີ່ມີຢູ່ສໍາລັບການປະມູນ). ຫມາຍເຫດຈໍານວນຫລາຍທີ່ສະເຫນີໃນການສະເຫນີລາຄາແລະລາງວັນສັນຍາສ້າງຄວາມສໍາພັນ 'ຫຼາຍຕໍ່ຫຼາຍ'. ຄື, ຫຼາຍ lots ສາມາດມອບໃຫ້ຫນ່ວຍງານດຽວແລະເອກະສານໃນລາງວັນສັນຍາດຽວ; ຈໍານວນດຽວຍັງສາມາດມອບໃຫ້ຫຼາຍຫນ່ວຍງານ, ປະກອບເປັນລາງວັນສັນຍາຫຼາຍ; ນອກຈາກນັ້ນ, ລາງວັນສັນຍາດຽວສາມາດປະກອບມີຫນຶ່ງຫຼືຫຼາຍ lots.

ໃນ TED, ແຕ່ລະການປະມູນແລະລາງວັນສັນຍາທີ່ສອດຄ້ອງກັນຂອງມັນມີໄຟລ໌ XML ທີ່ມີໂຄງສ້າງທີ່ບັນທຶກອົງປະກອບທີ່ສໍາຄັນຂອງຂໍ້ມູນ. ພວກເຮົາອ້າງເຖິງສິ່ງເຫຼົ່ານີ້ເປັນ 'XML ທີ່ອ່ອນໂຍນ' ແລະ 'ລາງວັນ XML'. ຕົວຢ່າງຂອງ XML ທີ່ອ່ອນໂຍນແມ່ນສະແດງຢູ່ໃນຮູບ 1. ລາງວັນ XMLs ໂດຍທົ່ວໄປແມ່ນປະຕິບັດຕາມໂຄງສ້າງດຽວກັນ. Tender XMLs ຂໍ້ມູນເອກະສານເຊັ່ນ: ຜູ້ຊື້, lots, ລາຍການຂອງ lots, ເງື່ອນໄຂຂອງສັນຍາ, ແລະອື່ນໆ ລາງວັນ XMLs ເອກະສານຜູ້ຊື້, lots, ຜູ້ສະຫນອງທີ່ໄດ້ຮັບຮາງວັນສໍາລັບແຕ່ລະ lots, ມູນຄ່າສັນຍາ, ປະລິມານ, ແລະອື່ນໆ. ການເກັບກຳ 'ເອກະສານຄັດຕິດ' ທີ່ໃຫ້ລາຍລະອຽດເພີ່ມເຕີມຂອງການປະມູນ, ໂດຍສະເພາະໃນຈຳນວນ ແລະ ລາຍການ ('ເອກະສານແນບການປະມູນ')

ເນື່ອງຈາກຄວາມພ້ອມຂອງ XMLs ທີ່ອ່ອນໂຍນແລະໄດ້ຮັບລາງວັນ, ຄົນເຮົາອາດຈະພິຈາລະນາວຽກງານຂອງການພັດທະນາແລະການສ້າງຖານຂໍ້ມູນທີ່ງ່າຍດາຍ. ຢ່າງໃດກໍຕາມ, ຂໍ້ມູນໃນຄວາມເປັນຈິງແມ່ນສັບສົນຫຼາຍ. ທໍາອິດແລະສໍາຄັນ, XMLs ອ່ອນໂຍນແລະລາງວັນມັກຈະບໍ່ຄົບຖ້ວນ. ຂໍ້ມູນທີ່ຂາດຫາຍໄປທີ່ເດັ່ນແມ່ນຂໍ້ມູນຫຼາຍແລະລາຍການ. ຕົວຢ່າງ, XML ອ່ອນໂຍນສໍາລັບ '2019/S 180-437985', ກ່າວເຖິງ 47 lots ໃນການປະມູນ, ໂດຍບໍ່ມີການລາຍລະອຽດຂອງລາຍການສະເພາະແຕ່ມີຈໍານວນອ້າງອີງຫຼາຍ. ຂໍ້ມູນທີ່ສໍາຄັນນີ້ແມ່ນມີຢູ່ໃນການດາວໂຫຼດເປັນຈໍານວນຫຼາຍຂອງ 7 ເອກະສານຄັດເລືອກທີ່ອ່ອນໂຍນ (PDFs). ທັງ XMLs ທີ່ອ່ອນໂຍນແລະລາງວັນຫຼັງຈາກນັ້ນການອ້າງອິງແຫຼ່ງຂໍ້ມູນເຫຼົ່ານີ້ຂ້າມຜ່ານການນໍາໃຊ້ການອ້າງອິງຈໍານວນຫລາຍ. ການຟື້ນຕົວຂໍ້ມູນດັ່ງກ່າວແມ່ນສໍາຄັນຕໍ່ການສ້າງໂປຣໄຟລ໌ຄວາມສ່ຽງຂອງຜູ້ສະຫນອງ, ເຊິ່ງຈໍາເປັນຕ້ອງຄິດໄລ່ຂອບເຂດແລະປະລິມານຂອງຜະລິດຕະພັນທີ່ຜູ້ສະຫນອງໄດ້ສະຫນອງໃນໄລຍະຜ່ານມາ. ອັນທີສອງ, ບໍ່ແມ່ນທຸກໆເອກະສານຕິດຂັດແມ່ນກ່ຽວຂ້ອງກັບຈຸດປະສົງຂອງພວກເຮົາ. ໃນບັນດາເອກະສານເຫຼົ່ານີ້ສໍາລັບ '2019/S 180-437985', ສອງ PDFs ບອກຈໍານວນແລະລາຍການຕົວຈິງ (ເຊັ່ນ: ຮູບ 2), ໃນຂະນະທີ່ອື່ນໆເອກະສານສະເພາະ, ຄວາມຕ້ອງການ, ກົດລະບຽບແລະໂປໂຕຄອນແລະອື່ນໆ. ອັນທີສາມ, ບໍ່ແມ່ນທຸກໆຫນ້າຂອງເອກະສານຄັດຕິດທີ່ກ່ຽວຂ້ອງ. ຂໍ້ມູນ. ຕົວຢ່າງ, ຮູບທີ 3 ສະແດງໃຫ້ເຫັນວ່າຢູ່ໃນການປະມູນອື່ນ, lots and items are described in one page but different sections of a long document. ອັນທີສີ່, ດັ່ງທີ່ໄດ້ສະແດງຢູ່ໃນຮູບທີ 2 ແລະ 3, ມີຄວາມແຕກຕ່າງກັນຢ່າງຫຼວງຫຼາຍໃນຈຳນວນ ແລະ ຂໍ້ມູນລາຍການທີ່ໄດ້ຖືກອະທິບາຍພາຍໃນປະເທດດຽວກັນ, ຫຼື ແທ້ຈິງແລ້ວ, ແມ່ນແຕ່ອົງການດຽວກັນ. ຄວາມແຕກຕ່າງນີ້ໄດ້ຖືກສັງເກດເຫັນໃນລະດັບຕ່າງໆເຊັ່ນ: ການໃຊ້ຮູບແບບທີ່ມີໂຄງສ້າງ (ຕົວຢ່າງ, ຂໍ້ຄວາມຟຣີທຽບກັບຕາຕະລາງ / ລາຍການ); ຈໍານວນຂໍ້ມູນທີ່ເຂົ້າລະຫັດ (ຕົວຢ່າງ: ຕາຕະລາງໃນຮູບ 2 ລາຍຊື່ 16 ຖັນ (ຄຸນລັກສະນະ) ສໍາລັບແຕ່ລະລາຍການ) ເຖິງແມ່ນວ່າສໍາລັບປະເພດດຽວກັນຂອງຜະລິດຕະພັນ / ບໍລິການ; ແລະ semantics ຂອງໂຄງສ້າງທີ່ໂຄງສ້າງໄດ້ຖືກຮັບຮອງເອົາ (ຕົວຢ່າງ, ຄໍາສັ່ງແລະຊື່ຂອງຖັນ). ລະດັບສູງຂອງຄວາມສັບສົນແລະບໍ່ສອດຄ່ອງດັ່ງກ່າວອາດຈະເປັນເຫດຜົນສໍາຄັນຫນຶ່ງທີ່ເຮັດໃຫ້ການຂາດການຂຸດຄົ້ນຂໍ້ຄວາມແລະການສຶກສາ NLP ຫຼືຄໍາຮ້ອງສະຫມັກສໍາລັບການຈັດຊື້ການດູແລສຸຂະພາບ.