論文の概要: SLEDGE: A Simple Yet Effective Baseline for COVID-19 Scientific Knowledge Search

• arxiv url: http://arxiv.org/abs/2005.02365v3
• Date: Mon, 3 Aug 2020 17:24:19 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-06 14:27:46.203013
• Title: SLEDGE: A Simple Yet Effective Baseline for COVID-19 Scientific Knowledge Search
• Title（参考訳）: SLEDGE: 新型コロナウイルスの科学的知識検索のためのシンプルで効果的なベースライン
• Authors: Sean MacAvaney, Arman Cohan, Nazli Goharian
• Abstract要約: 本稿では,SciBERTを有効活用したSLEDGEという検索システムを提案する。 一般ドメインの回答ランキングデータセット上でモデルをトレーニングし、関連信号をSARS-CoV-2に転送して評価する。
• 参考スコア（独自算出の注目度）: 40.443716693689794
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With worldwide concerns surrounding the Severe Acute Respiratory Syndrome Coronavirus 2 (SARS-CoV-2), there is a rapidly growing body of literature on the virus. Clinicians, researchers, and policy-makers need a way to effectively search these articles. In this work, we present a search system called SLEDGE, which utilizes SciBERT to effectively re-rank articles. We train the model on a general-domain answer ranking dataset, and transfer the relevance signals to SARS-CoV-2 for evaluation. We observe SLEDGE's effectiveness as a strong baseline on the TREC-COVID challenge (topping the learderboard with an nDCG@10 of 0.6844). Insights provided by a detailed analysis provide some potential future directions to explore, including the importance of filtering by date and the potential of neural methods that rely more heavily on count signals. We release the code to facilitate future work on this critical task at https://github.com/Georgetown-IR-Lab/covid-neural-ir
• Abstract（参考訳）: 重症急性呼吸症候群 コロナウイルス2 (SARS-CoV-2) を取り巻く世界的な懸念から、このウイルスに関する文献は急速に増えている。 臨床医、研究者、政策立案者はこれらの論文を効果的に検索する方法を必要としている。 本研究では,SciBERTを有効活用したSLEDGEという検索システムを提案する。 一般ドメインの回答ランキングデータセット上でモデルをトレーニングし、関連信号をSARS-CoV-2に転送して評価する。 TREC-COVIDイニシアチブ(nDCG@10が0.6844)の強力なベースラインとしてSLEDGEの有効性を観察した。 詳細な分析によって提供される洞察は、日付によるフィルタリングの重要性や、カウント信号に大きく依存するニューラルメソッドの可能性など、探究すべき潜在的な将来方向を提供する。 https://github.com/georgetown-ir-lab/covid-neural-irで、この重要なタスクの将来の作業を容易にするコードをリリースします。

関連論文リスト

• covLLM: Large Language Models for COVID-19 Biomedical Literature [0.0]
  新型コロナウイルス(COVID-19)のパンデミックは、新型コロナウイルス研究の爆発にもかかわらず、米国で11万人の死者を出した。 一つの理由は、患者に圧倒された臨床医が、新型コロナウイルスの感染率を抑えるのに苦労しているからだ。 潜在的な解決策は、大規模な言語モデルを用いて、新型コロナウイルスの文献を評価するツールを開発することである。
  論文  参考訳（メタデータ） (2023-06-08T04:08:32Z)
• COVID-Net Assistant: A Deep Learning-Driven Virtual Assistant for COVID-19 Symptom Prediction and Recommendation [75.74756992992147]
  新型コロナウイルスの症状予測とレコメンデーションを提供するために設計された,効率的な仮想アシスタントであるCOVID-Net Assistantの設計を紹介する。 マシン駆動設計探索を通じて生成された、高度にカスタマイズされた軽量な畳み込みニューラルネットワークアーキテクチャについて検討する。 実験結果から,強力な予測性能を示す COVID-Net Assistant ニューラルネットワークが期待できる結果を得た。
  論文  参考訳（メタデータ） (2022-11-22T01:41:48Z)
• A Crowdsourced Contact Tracing Model to Detect COVID-19 Patients using Smartphones [0.0]
  このモデルは、モバイルクラウドソーシングを使用したロケーションベースの新型コロナウイルス患者識別のために定式化されている。 脆弱性のある地域の他のユーザーには、安全のため6フィートまたは1.8メートルの距離に留まるよう通知する。
  論文  参考訳（メタデータ） (2021-11-17T19:56:24Z)
• SLEDGE-Z: A Zero-Shot Baseline for COVID-19 Literature Search [40.443716693689794]
  新型コロナウイルス関連の科学的文献に適応するゼロショットランキングアルゴリズムを提案する。 TREC-COVIDデータに依存しないにもかかわらず、我々の手法はモデルよりも優れています。
  論文  参考訳（メタデータ） (2020-10-12T19:28:29Z)
• BiteNet: Bidirectional Temporal Encoder Network to Predict Medical Outcomes [53.163089893876645]
  本稿では,患者の医療旅行におけるコンテキスト依存と時間的関係を捉える,新たな自己注意機構を提案する。 エンド・ツー・エンドの双方向時間エンコーダネットワーク(BiteNet)が患者の旅路の表現を学習する。 実世界のEHRデータセットを用いた2つの教師付き予測と2つの教師なしクラスタリングタスクにおける手法の有効性を評価した。
  論文  参考訳（メタデータ） (2020-09-24T00:42:36Z)
• CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors and Efficient Neural Networks [51.589769497681175]
  新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。 SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。 我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-07-20T21:47:28Z)
• COVID-19 Screening Using Residual Attention Network an Artificial Intelligence Approach [2.6520663596293437]
  新型コロナウイルスは現在200カ国以上で600万人が感染している。 人工知能を用いた新型コロナウイルススクリーニング手法を提案する。 私たちの技術は、患者のウイルスの存在を確認するのにほんの数秒しかかからない。
  論文  参考訳（メタデータ） (2020-06-26T16:33:01Z)
• CO-Search: COVID-19 Information Retrieval with Semantic Search, Question Answering, and Abstractive Summarization [53.67205506042232]
  CO-Searchは、新型コロナウイルスの文献上の複雑なクエリを処理するように設計された、レトリバーランサーセマンティック検索エンジンである。 ドメイン固有の比較的限られたデータセットを考慮し、文書の段落と引用の2部グラフを生成する。 TREC-COVID情報検索課題のデータに基づいて,本システムの評価を行った。
  論文  参考訳（メタデータ） (2020-06-17T01:32:48Z)
• Visualising COVID-19 Research [4.664989082015335]
  そこで我々は,新しいテーマベース可視化手法を開発した。 大規模なコーパスの高度なデータモデリング、情報マッピング、トレンド分析を組み合わせる。 トップダウンでボトムアップのブラウジングと検索インターフェースを提供し、トピックや研究リソースを素早く発見する。
  論文  参考訳（メタデータ） (2020-05-13T15:45:14Z)
• Opportunities and Challenges of Deep Learning Methods for Electrocardiogram Data: A Systematic Review [62.490310870300746]
  心電図(Electrocardiogram、ECG)は、医学および医療において最も一般的に用いられる診断ツールの1つである。 深層学習法は心電図信号を用いた予測医療タスクにおいて有望な結果を得た。 本稿では、モデリングとアプリケーションの観点から、ECGデータに対するディープラーニング手法の体系的なレビューを行う。
  論文  参考訳（メタデータ） (2019-12-28T02:44:29Z)

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。