MapReduce has been applied to data-

MapReduce has been applied to data-intensive
applications in different domains because of its simplicity,
scalability and fault-tolerance. However, its uses in biomedical
association mining are still very limited. In this paper, we
investigate using MapReduce to efficiently mine the
associations between biomedical terms extracted from a set of
biomedical articles. First, biomedical terms were obtained by
matching text to Unified Medical Language System (UMLS)
Metathesaurus, a biomedical vocabulary and standard
database. Then we developed a MapReduce algorithm that
could be used to calculate a category of interestingness
measures defined on the basis of a 2x2 contingency table. This
algorithm consists of two MapReduce jobs and takes a stripes
approach to reduce the number of intermediate results.
Experiments were conducted using Amazon Elastic
MapReduce (EMR) with an input of 3610 articles retrieved
from two biomedical journals. Test results indicate that our
algorithm has linear scalability.

ผลลัพธ์ (ไทย) 1:

ใช้ MapReduce กับข้อมูลมากใช้งานในโดเมนที่แตกต่างกันเนื่องจากความเรียบง่ายขนาดและค่าเผื่อความบกพร่อง อย่างไรก็ตาม ใช้ในทางชีวการแพทย์สมาคมเหมืองแร่จะยังจำกัดมาก ในเอกสารนี้ เราตรวจสอบการใช้ MapReduce เหมืองได้อย่างมีประสิทธิภาพความสัมพันธ์ระหว่างเงื่อนไขทางชีวการแพทย์ที่สกัดจากบทความทางชีวการแพทย์ เงื่อนไขแรก ทางชีวการแพทย์ได้รับโดยจับคู่ข้อความเพื่อรวมชื่อแพทย์ภาษาระบบ (UMLS)Metathesaurus คำศัพท์ทางชีวการแพทย์และมาตรฐานฐานข้อมูล แล้วเราพัฒนาอัลกอริทึม MapReduce เป็นที่สามารถใช้ในการคำนวณประเภทของ interestingnessมาตรการที่กำหนดตามตาราง 2 x 2 ฉุกเฉิน นี้อัลกอริทึมประกอบด้วยงาน MapReduce สอง และจะเป็นลายวิธีการลดจำนวนของผลลัพธ์ระหว่างกลางทดลองได้ดำเนินการใช้ Amazon ยืดหยุ่นเรียก MapReduce (EMR) ด้วยการป้อนข้อมูลของบทความที่ 3610จากสองสมุดรายวันทางชีวการแพทย์ ผลการทดสอบบ่งชี้ว่า ของเราอัลกอริทึมมีขนาดเส้น

ผลลัพธ์ (ไทย) 2:

MapReduce ได้รับนำไปใช้กับข้อมูลจำนวนมาก
การใช้งานในโดเมนที่ต่างกันเพราะความเรียบง่าย,
ความยืดหยุ่นและความผิดความอดทน อย่างไรก็ตามการใช้ในทางการแพทย์
การทำเหมืองแร่สมาคมยังคง จำกัด มาก ในบทความนี้เราจะ
ตรวจสอบการใช้ MapReduce ได้อย่างมีประสิทธิภาพเหมือง
สัมพันธ์ระหว่างแง่ทางการแพทย์ที่สกัดจากชุดของ
บทความทางการแพทย์ ครั้งแรกแง่ทางการแพทย์ที่ได้รับจาก
การจับคู่ข้อความไปยังระบบ Unified ภาษาแพทย์ (UMLS)
Metathesaurus, คำศัพท์ทางการแพทย์และมาตรฐาน
ฐานข้อมูล จากนั้นเราได้พัฒนาอัลกอริทึม MapReduce ที่
สามารถนำมาใช้ในการคำนวณหมวดหมู่ของ interestingness
มาตรการที่กำหนดบนพื้นฐานของตาราง 2x2 ฉุกเฉิน นี้
ขั้นตอนวิธีประกอบด้วยสองงาน MapReduce และใช้ลายเส้น
วิธีการที่จะลดจำนวนของผลกลาง.
การทดลองดำเนินการโดยใช้ Amazon Elastic
MapReduce (EMR) ด้วยการป้อนข้อมูลของ 3610 บทความดึง
จากสองวารสารชีวการแพทย์ ผลการทดสอบแสดงให้เห็นว่าเรา
มีขั้นตอนวิธีการขยายขีดความสามารถเชิงเส้น

ผลลัพธ์ (ไทย) 3:

mapreduce ได้ใช้ข้อมูลอย่างเข้มข้น
โปรแกรมประยุกต์ในโดเมนที่แตกต่างกันเพราะความเรียบง่ายของมัน ,
ความยืดหยุ่นและความอดทนความผิด อย่างไรก็ตาม การใช้ในสมาคมทางการแพทย์
เหมืองแร่ยังคง จำกัด มาก ในกระดาษนี้เราใช้ mapreduce
ศึกษาได้อย่างมีประสิทธิภาพของฉัน
สมาคมระหว่างชีวการแพทย์ส่วนสกัดจากชุดของ
บทความชีว ครั้งแรกเงื่อนไขทางการแพทย์ที่ได้รับจาก
ข้อความที่ตรงกันเพื่อรวมแพทย์ระบบภาษา ( umls )
metathesaurus , ศัพท์ทางการแพทย์และฐานข้อมูลมาตรฐาน

แล้วเราพัฒนา mapreduce ขั้นตอนวิธีการที่
สามารถใช้คำนวณประเภทของความน่าสนใจ
มาตรการกำหนดบนพื้นฐานของตาราง 2x2 สำรอง ขั้นตอนวิธีนี้
ประกอบด้วยสอง mapreduce งานและใช้ลายเส้น
แนวทางการลดจำนวนของผลลัพธ์สุดท้าย การทดลองใช้ Amazon Elastic

mapreduce ( EMR ) กับการป้อนข้อมูลของ 3610 บทความดึง
จากสองด้านวารสาร ผลการทดสอบพบว่าขั้นตอนวิธีของเรา

มีความยืดหยุ่นเชิงเส้น