Zdroje

Hlavním zdrojem je http://www.nlm.nih.gov/mesh/, kde je databáze spravována. V České republice existuje překlad této databáze z roku 1998 dostupný přímo na http://194.108.164.2:4001/ALEPH/CZE/NML/CLA/MES/START nebo nepřímo na http://www.nlk.anet.cz/czech/katalogy.htm.

Dalšími fondy dostupnými z tohoto zdroje jsou:

• MeSH Supplementary Concept Records - dostupný volně
• NLM Classification - dostupný volně
• Unified Medical Language System (UMLS) - zdarma po zaslání žádosti
• spousta dalších souborů bez přímé vazby na MeSH

Účel

Databáze slouží pro klasifikaci dokumentů z oblasti lékařství. Formálně má hierarchické uspořádání, ale není vhodná jako základ hierarchie pro uspořádávání znalostí, protože:

• zvláště na nejnižších úrovních, se objevují objekty vztahů místo objektů zjemňujících členění,
• zvláště koncové objekty jsou v hierarchii použity vícenásobně,
• v hierarchii jsou zřetelné nehomogenity.

• hierarchický identifikátor                       - například C06.306.392         - řídící soubor je mtrees2002.bin.txt - je členěný věcně - těchto identifikátorů je asi 37800,
• jednoznačný identifikátor v rámci NLM - příklad D004937                  - řídící soubor je d2002.bin.txt          - s tímto identifikátorem se v rámci MeSH nepracuje
• pojmenování položky                           - například esophageal fistula - řídící soubor je d2002.bin.txt          - toto je patrně též jednoznačný identifikátor, protože je uveden jako odkaz pro hierarchický identifikátor v souboru mtrees2002.bin.txt

Popis zpracování

• Přebírají se soubory:
• d2002.bin.txt - MeSH in ASCII format,
• mtrees2002.bin.txt - MeSH tree structure,
• c2002.bin.txt - MeSH Supplementary Concept Records in ASCII format.
• K nim se připojuje soubor MESHCZ.000 - Anglicko-český slovník termínů. Slovník nemusí být úplný - viz dále.
• Program konverze se spouští 2-krát, jednou s parametrem MESHPROCESS a potom podruhé s parametrem MESHSUPPLEMENT.
• Výstupem jsou soubory:
• MESH_D.000 - ASCII formát Databáze - sloučené soubory MeSH, MeSH tree, MESHCZ.000.
• MESH_NTR.000 - Slovník nepřeložených termínů - ten je možno přeložit, výsledek připojit k MESHCZ.000 a opakovat konverzi.
• MESH_C.000 - ASCII formát Databáze - soubor MeSH Supplementary Concept Records.

• Soubory MESH_D.000 a MESH_C.000 jsou uloženy v Databázi.
• Hierarchie MeSH je tvořena databázovými atributy OVER_IN_EXTERN a UNDER_IN_EXTERN.
• Pojmenované položky:
• jsou zakončeny textem "__MeSH", např. "calcimycin__MeSH",
• z hierarchie MeSH se na ně odkazuje atributem CONTENTS,
• z nich nazpět se odkazuje atributem CONTENTS_FOR,
• jednoznačný identifikátor v rámci NLM je v nich zapsán jako atribut UNIQUE_IDENTIFIER_NLM
• Data z MeSH Supplementary Concept Recordsjsou na MeSH napojena pomocí atributů OVER_MeSH_SUPPLEMENT a UNDER_MeSH_SUPPLEMENT.
• Tím jsou zachovány původní vztahy za cenu složitější a neorganické struktury.
• Přes jména je fond provázán se zbytkem Databáze, tj. včetně původních hierarchíí a WordNetu.

• Mít tento datový fond v původní struktuře k dispozici v Databázi pro původní účel.
• Využít fond pro hierarchii znalostí - toto se provede jednorázovým programem a výsledek se ručně opraví. MeSH Supplementary Concept Records přitom se přitom stanou součástí hlavní hierarchie a vztahy OVER_MeSH_SUPPLEMENT a UNDER_MeSH_SUPPLEMENT budou nahrazeny běžnými vztahy hierarchie.
• Ztotožnit většinu uzlů fondu s uzly Databáze a tím k němu přidat informační hodnotu Databáze.