論文の概要: A Framework for Generating Explanations from Temporal Personal Health Data

• arxiv url: http://arxiv.org/abs/2003.09530v2
• Date: Wed, 10 Mar 2021 00:53:00 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-21 22:51:03.750577
• Title: A Framework for Generating Explanations from Temporal Personal Health Data
• Title（参考訳）: 時間的健康データから説明を生成するための枠組み
• Authors: Jonathan J. Harris, Ching-Hua Chen, Mohammed J. Zaki
• Abstract要約: 我々は,データ収集と説明生成のギャップを,興味深い行動分析のためにマイニングすることで埋めることを目的としている。 我々の焦点は、情報的要約テンプレートのセットを通して、時間的個人的健康データの説明可能性を改善することである。
• 参考スコア（独自算出の注目度）: 17.44518373886669
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Whereas it has become easier for individuals to track their personal health data (e.g., heart rate, step count, food log), there is still a wide chasm between the collection of data and the generation of meaningful explanations to help users better understand what their data means to them. With an increased comprehension of their data, users will be able to act upon the newfound information and work towards striving closer to their health goals. We aim to bridge the gap between data collection and explanation generation by mining the data for interesting behavioral findings that may provide hints about a user's tendencies. Our focus is on improving the explainability of temporal personal health data via a set of informative summary templates, or "protoforms." These protoforms span both evaluation-based summaries that help users evaluate their health goals and pattern-based summaries that explain their implicit behaviors. In addition to individual users, the protoforms we use are also designed for population-level summaries. We apply our approach to generate summaries (both univariate and multivariate) from real user data and show that our system can generate interesting and useful explanations.
• Abstract（参考訳）: 個人が個人の健康データ(心拍数、歩数、食品ログなど)を追跡するのが簡単になった一方で、データの収集と意味のある説明の生成の間には、利用者が自分のデータが何を意味するのかをよりよく理解するための広い亀裂がある。 データの理解度が高まると、ユーザーは新たな情報に取り組み、健康目標に近づいていくことができる。 データ収集と説明生成のギャップを埋めることを目的として,ユーザの傾向に関するヒントとなる可能性のある興味深い行動所見をマイニングする。 我々の焦点は、情報的要約テンプレート(protoforms)のセットを通じて、時間的個人的健康データの説明可能性を改善することである。 これらのプロトフォームは、ユーザが健康目標を評価するのに役立つ評価ベースのサマリーと、暗黙的な行動を説明するパターンベースのサマリーの両方にまたがる。 個々のユーザに加えて、私たちが使用するprotoformsも、人口レベルの要約用に設計されています。 本手法は,実ユーザデータから要約(不変量と多変量の両方)を生成し,興味深く有用な説明を生成できることを示す。

関連論文リスト

• iASiS: Towards Heterogeneous Big Data Analysis for Personalized Medicine [28.917691563659467]
  iASiSインフラストラクチャは、臨床ノートを使用可能なデータに変換することができる。 データの意味的な統合を使用することで、リッチで監査可能で信頼性の高い情報を生成する機会が得られる。 iASiSのユースケース,認知症,肺癌の2つの異なる疾患カテゴリのデータ資源について検討した。
  論文  参考訳（メタデータ） (2024-07-09T10:52:19Z)
• Towards Enhancing Coherence in Extractive Summarization: Dataset and Experiments with LLMs [70.15262704746378]
  我々は,5つの公開データセットと自然言語ユーザフィードバックのためのコヒーレントな要約からなる,体系的に作成された人間アノテーションデータセットを提案する。 Falcon-40BとLlama-2-13Bによる予備的な実験では、コヒーレントなサマリーを生成するという点で大幅な性能向上(10%ルージュ-L)が見られた。
  論文  参考訳（メタデータ） (2024-07-05T20:25:04Z)
• Scaling Laws for the Value of Individual Data Points in Machine Learning [55.596413470429475]
  個々のデータポイントの値のスケーリング行動を調べることによって、新しい視点を導入する。 スケーリング法則を支持するための学習理論を提供し、それが様々なモデルクラスにまたがっていることを実証的に観察する。 私たちの研究は、個々のデータポイントの値のスケーリング特性を理解し、活用するための第一歩です。
  論文  参考訳（メタデータ） (2024-05-30T20:10:24Z)
• Towards Neural Numeric-To-Text Generation From Temporal Personal Health Data [16.814550345738578]
  数値的な個人健康データから高品質な自然言語要約を自動生成できることが示される。 我々の研究は、個人の健康データから新しい意味のある時間的要約を自動的に生成するという野心的な目標に向けての第一歩となる。
  論文  参考訳（メタデータ） (2022-07-11T21:16:48Z)
• An Empirical Investigation of Commonsense Self-Supervision with Knowledge Graphs [67.23285413610243]
  大規模知識グラフから抽出した情報に基づく自己監督は、言語モデルの一般化を改善することが示されている。 本研究では,言語モデルに適用可能な合成データを生成するための知識サンプリング戦略とサイズの影響について検討する。
  論文  参考訳（メタデータ） (2022-05-21T19:49:04Z)
• Graph-based Extractive Explainer for Recommendations [38.278148661173525]
  ユーザ,項目,属性,文をシームレスに統合し,抽出に基づく説明を行うグラフ注意型ニューラルネットワークモデルを開発した。 個々の文の関連性, 属性カバレッジ, 内容冗長性のバランスをとるために, 整数線形プログラミング問題を解くことにより, 文の最終的な選択を行う。
  論文  参考訳（メタデータ） (2022-02-20T04:56:10Z)
• Perceptual Score: What Data Modalities Does Your Model Perceive? [73.75255606437808]
  モデルが入力特徴の異なる部分集合に依存する度合いを評価する指標である知覚スコアを導入する。 近年,視覚的質問応答に対するマルチモーダルモデルでは,前者よりも視覚的データを知覚しにくい傾向がみられた。 知覚スコアを使用することで、スコアをデータサブセットのコントリビューションに分解することで、モデルのバイアスを分析することもできる。
  論文  参考訳（メタデータ） (2021-10-27T12:19:56Z)
• Health Status Prediction with Local-Global Heterogeneous Behavior Graph [69.99431339130105]
  ウェアラブルセンサから継続的に収集される各種データストリームにより、健康状態の推定が可能です。 行動関連マルチソースデータストリームをローカル・グローバル・グラフでモデル化することを提案する。 学生生活データセットを用いて実験を行い,提案モデルの有効性を実証した。
  論文  参考訳（メタデータ） (2021-03-23T11:10:04Z)
• Adaptive Summaries: A Personalized Concept-based Summarization Approach by Learning from Users' Feedback [0.0]
  本稿では,アダプティブ・サマリー(Adaptive Summaries)と呼ばれるインタラクティブな概念に基づく要約モデルを提案する。 本システムは,反復ループでフィードバックを与えることで,システムと対話しながら,ユーザの提供した情報から徐々に学習する。 生成したサマリーでユーザ好みのコンテンツを最大化することで、ユーザの好みに基づいた高品質なサマリー作成を支援する。
  論文  参考訳（メタデータ） (2020-12-24T18:27:50Z)
• Question-Driven Summarization of Answers to Consumer Health Questions [17.732729654047983]
  MEDIQA Answer Summarization データセットを提案する。 このデータセットは、消費者健康問題に対する回答の質問駆動要約を含む最初の要約コレクションである。 ベースラインと最先端のディープラーニング要約モデルの結果を含める。
  論文  参考訳（メタデータ） (2020-05-18T20:36:11Z)
• Can x2vec Save Lives? Integrating Graph and Language Embeddings for Automatic Mental Health Classification [91.3755431537592]
  グラフと言語の埋め込みモデル(metapath2vec と doc2vec)がリソース制限を回避する方法を示します。 統合されると、両データは高度に正確な予測を生成する(90%、偽陽性10%、偽陰性12%)。 これらの結果は、大規模ネットワークにおける行動と言語を同時に分析することの重要性の研究を拡大する。
  論文  参考訳（メタデータ） (2020-01-04T20:56:21Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。