Detección de nombres de medicamentos confusos por su parecido ortográfico o fonético mediante un algoritmo genético

Abstract

El problema de la confusión de nombres de medicamentos se da como consecuencia por su parecido ortográfico y fonético. De acuerdo al estado del arte se han propuesto soluciones para medir la similitud entre dos nombres de medicamentos en un grado de probabilidad de ser un par potencial de confusión. El método combinado de (Kondrak & Dorr, 2006) propone utilizar cuatro medidas para determinar la similitud entre dos nombres de medicamentos a través del promedio aritmético de los valores obtenidos de manera individual. Sin embargo Kondrak no plantea cómo determinar cuál debe ser el la participación óptima de cada medida en un método combinado. En esta tesis se propone un método para encontrar la combinación optimizada de un conjunto de medidas de similitud y de edición que mejore la detección del parecido ortográfico y fonético de un par de medicamentos. La propuesta de este trabajo es un método que combina un conjunto de medidas de similitud mediante un algoritmo genético. El algoritmo genético propuesto optimiza la participación de varias medidas de similitud y de edición, incrementando en las primeras posiciones recuperadas aquellos pares que se sabe han participado en algunos reportes de confusión por el humano. El resultado de los experimentos obtenidos muestran una relevancia de participación distinta al optimizar su combinación y superan a los resultados mostrados en el estado del arte. Por otro lado el resultado de las relevancias obtenidas permite generar un ranking que refleja la importancia de cada medida para resolver la tarea de los pares de nombres de medicamentos confusos.