Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
Klassificering av läkemedelshandlingar med hjälp av maskininlärning
Uppsala University, Disciplinary Domain of Science and Technology, Mathematics and Computer Science, Department of Information Technology.
2016 (Swedish)Independent thesis Basic level (degree of Bachelor), 10 credits / 15 HE creditsStudent thesis
Abstract [sv]

Handlingar kopplade till processer för godkännande och övervakning av läkemedel är mycket centrala dokument för läkemedelsmyndigheters dagliga arbete. Att ersätta manuell hantering av dessa handlingar med maskinella klassificeringssystem är en tänkbar metod för att effektivisera och kvalitetssäkra denna verksamhet. I detta arbete undersöktes möjligheten att klassificera 4750 utvalda handlingar från 10 kategorier med maskininlärning genom ett pilotprojekt på Läkemedelsverket. Maskininlärningsalgoritmer i fokus var Naive Bayes (NB), K-Nearest Neighbors (K-NN) och Support Vector Machines (SVM) och deras prestanda tillsammans med komplexitetsreducering av utvald data utvärderades. Resultatet visade på en generellt hög och jämförbar klassificeringsprestanda mellan algoritmerna där SVM hade en högsta träffsäkerhet på nästan 98%. Dessa höga siffror förklarades av en hög grad av separation i träningsdata och en större mängd handlingar och kategorier behöver utvärderas i framtida försök. Resultatet indikerar ändå på att utförligare experiment och potentiell applicering av maskininlärning mot denna domän är mycket lovande.

Place, publisher, year, edition, pages
2016. , 35 p.
Series
IT, 16070
National Category
Engineering and Technology
Identifiers
URN: urn:nbn:se:uu:diva-303944OAI: oai:DiVA.org:uu-303944DiVA: diva2:974664
Educational program
Bachelor Programme in Computer Science
Supervisors
Examiners
Available from: 2016-09-27 Created: 2016-09-27 Last updated: 2016-09-27Bibliographically approved

Open Access in DiVA

fulltext(756 kB)182 downloads
File information
File name FULLTEXT01.pdfFile size 756 kBChecksum SHA-512
7eff69a7666e1d7f5c989ac95ff5d0f353256499179bcca0c9eba04b066597c6ce074890a06c01ec2273e84d7df60bcf99ff677bafcced6a38a5140e560a6d55
Type fulltextMimetype application/pdf

By organisation
Department of Information Technology
Engineering and Technology

Search outside of DiVA

GoogleGoogle Scholar
Total: 182 downloads
The number of downloads is the sum of all downloads of full texts. It may include eg previous versions that are now no longer available

urn-nbn

Altmetric score

urn-nbn
Total: 2152 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf