論文の概要: Target specific mining of COVID-19 scholarly articles using one-class
approach
- arxiv url: http://arxiv.org/abs/2004.11706v2
- Date: Sat, 1 Aug 2020 13:31:18 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-10 03:07:08.158552
- Title: Target specific mining of COVID-19 scholarly articles using one-class
approach
- Title（参考訳）: 一級アプローチによる新型コロナウイルス研究論文のターゲット特定マイニング
- Authors: Sanjay Kumar Sonbhadra, Sonali Agarwal and P. Nagabhushan
- Abstract要約: 本稿では,機械学習を用いたコロナウイルス関連研究論文の活動と動向を抽出することを目的とする。
k-meansクラスタリングアルゴリズムは、並列なOCSVMに続き、元の特徴空間と縮小された特徴空間の両方において、他の手法よりも優れている。
- 参考スコア（独自算出の注目度）: 3.4935179780034247
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In recent years, several research articles have been published in the field
of corona-virus caused diseases like severe acute respiratory syndrome (SARS),
middle east respiratory syndrome (MERS) and COVID-19. In the presence of
numerous research articles, extracting best-suited articles is time-consuming
and manually impractical. The objective of this paper is to extract the
activity and trends of corona-virus related research articles using machine
learning approaches. The COVID-19 open research dataset (CORD-19) is used for
experiments, whereas several target-tasks along with explanations are defined
for classification, based on domain knowledge. Clustering techniques are used
to create the different clusters of available articles, and later the task
assignment is performed using parallel one-class support vector machines
(OCSVMs). Experiments with original and reduced features validate the
performance of the approach. It is evident that the k-means clustering
algorithm, followed by parallel OCSVMs, outperforms other methods for both
original and reduced feature space.
- Abstract（参考訳）: 近年では、重症急性呼吸症候群(SARS)、中東部呼吸症候群(MERS)、COVID-19など、コロナウイルスの分野でのいくつかの研究論文が公表されている。
多くの研究論文が存在する中で、最も適した記事の抽出には時間がかかる。
本研究の目的は,コロナウイルス関連研究論文の活動と動向を機械学習を用いて抽出することである。
実験にはcovid-19 open research dataset(cord-19)が使用される一方で、いくつかのターゲットタスクと説明がドメイン知識に基づいて分類のために定義されている。
クラスタリング技術は、利用可能な記事の異なるクラスタを作成するために使用され、その後、並列一クラスサポートベクターマシン(OCSVM)を使用してタスク割り当てが行われる。
オリジナルと縮小された機能による実験は、アプローチのパフォーマンスを検証する。
k-meansクラスタリングアルゴリズムが並列なOCSVMに続き、オリジナルと縮小された特徴空間において他の手法よりも優れていることは明らかである。
関連論文リスト
- Critical Review for One-class Classification: recent advances and the reality behind them [10.043491707625867]
本稿は,一級分類におけるプロミネント戦略を,その発端から現在の進歩まで合成する。
この記事は、一級実験を統括する画像異常検出アルゴリズム(AD)について、最先端(SOTA)を批判する。
論文 参考訳（メタデータ） (2024-04-27T15:04:30Z) - Learning Feature Inversion for Multi-class Anomaly Detection under General-purpose COCO-AD Benchmark [101.23684938489413]
異常検出(AD)は、しばしば産業品質検査や医学的病変検査のための異常の検出に焦点が当てられている。
この研究はまず、COCOをADフィールドに拡張することにより、大規模で汎用的なCOCO-ADデータセットを構築する。
セグメンテーション分野のメトリクスにインスパイアされた我々は、より実用的なしきい値に依存したAD固有のメトリクスをいくつか提案する。
論文 参考訳（メタデータ） (2024-04-16T17:38:26Z) - Benchmarking Machine Learning Robustness in Covid-19 Genome Sequence
Classification [109.81283748940696]
我々は、IlluminaやPacBioといった一般的なシークエンシングプラットフォームのエラープロファイルを模倣するために、SARS-CoV-2ゲノム配列を摂動する方法をいくつか紹介する。
シミュレーションに基づくいくつかのアプローチは、入力シーケンスに対する特定の敵攻撃に対する特定の埋め込み手法に対して、他の手法よりも堅牢(かつ正確)であることを示す。
論文 参考訳（メタデータ） (2022-07-18T19:16:56Z) - Consistency and Diversity induced Human Motion Segmentation [231.36289425663702]
本稿では,CDMS(Consistency and Diversity induced Human Motion)アルゴリズムを提案する。
我々のモデルは、ソースとターゲットデータを異なる多層特徴空間に分解する。
ソースとターゲットデータ間の領域ギャップを低減するために、マルチミューチュアル学習戦略を実行する。
論文 参考訳（メタデータ） (2022-02-10T06:23:56Z) - A Novel Cluster Detection of COVID-19 Patients and Medical Disease
Conditions Using Improved Evolutionary Clustering Algorithm Star [0.9990687944474739]
我々は、現在の進化的クラスタリングアルゴリズムスター(ECA*)を3つの方法で改善する。
最先端アルゴリズムに対するiECA*の性能評価実験を行った。
論文 参考訳（メタデータ） (2021-09-20T12:47:09Z) - ACP++: Action Co-occurrence Priors for Human-Object Interaction
Detection [102.9428507180728]
ヒューマン・オブジェクト・インタラクション(HOI)検出のタスクにおける一般的な問題は、多数のHOIクラスが少数のラベル付き例しか持たないことである。
我々は、人間と物体の相互作用の間に自然の相関関係と反相関が存在することを観察した。
我々は、これらの先行知識を学習し、特に稀なクラスにおいて、より効果的な訓練に活用する手法を提案する。
論文 参考訳（メタデータ） (2021-09-09T06:02:50Z) - Cross-Site Severity Assessment of COVID-19 from CT Images via Domain
Adaptation [64.59521853145368]
CT画像によるコロナウイルス病2019(COVID-19)の早期かつ正確な重症度評価は,集中治療単位のイベント推定に有効である。
ラベル付きデータを拡張し、分類モデルの一般化能力を向上させるためには、複数のサイトからデータを集約する必要がある。
この課題は、軽度の感染症と重度の感染症の集団不均衡、部位間のドメイン分布の相違、不均一な特徴の存在など、いくつかの課題に直面する。
論文 参考訳（メタデータ） (2021-09-08T07:56:51Z) - COVID-19 Multidimensional Kaggle Literature Organization [3.201839066679614]
因子化は文書コーパスに隠されたパターンを発見できる強力な教師なし学習手法であることを示す。
コーパスの高次表現により,類似記事,関連雑誌,類似研究論文の執筆者,話題キーワードの同時グループ化が可能となることを示す。
論文 参考訳（メタデータ） (2021-07-17T06:16:36Z) - ViDi: Descriptive Visual Data Clustering as Radiologist Assistant in
COVID-19 Streamline Diagnostic [3.6933317368929193]
新型コロナウイルスの感染拡大を受け、胸部X線から新型コロナウイルスを検出する深層学習法が広く研究されている。
本稿では,人間と機械の相互作用と専門家による意思決定を促進する枠組みを提案する。
論文 参考訳（メタデータ） (2020-11-30T15:06:08Z) - Clustering COVID-19 Lung Scans [3.5447971809011882]
グループは、新型コロナウイルス、ウイルス性肺炎、健康な人の肺がんのデータセットを調査するために、教師なしのクラスタリング技術を適用した。
本手法は,非監視的クラスタリングアルゴリズムが,新型コロナウイルスと他の呼吸器疾患の隠れた重要な違いを明らかにする必要がある可能性を探るものである。
論文 参考訳（メタデータ） (2020-09-05T00:21:13Z) - Detecting Human-Object Interactions with Action Co-occurrence Priors [108.31956827512376]
人-物間相互作用(HOI)検出タスクにおける一般的な問題は、多数のHOIクラスが少数のラベル付き例しか持たないことである。
我々は、人間と物体の相互作用の間に自然の相関と反相関が存在することを観察した。
我々はこれらの先行知識を学習し、特に稀なクラスにおいてより効果的な訓練に活用する手法を提案する。
論文 参考訳（メタデータ） (2020-07-17T02:47:45Z)
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。