論文の概要: Multi-Perspective Semantic Information Retrieval in the Biomedical Domain

• arxiv url: http://arxiv.org/abs/2008.01526v1
• Date: Fri, 17 Jul 2020 21:05:44 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-09 14:32:04.141404
• Title: Multi-Perspective Semantic Information Retrieval in the Biomedical Domain
• Title（参考訳）: 生物医学領域におけるマルチパースペクティブな意味情報検索
• Authors: Samarth Rawal
• Abstract要約: 情報検索(Information Retrieval、IR)とは、特定のクエリやニーズに関連するデータ(ドキュメントなど)を取得するタスクである。 現代のニューラルアプローチは、古典的なアプローチと比べて一定の利点がある。 この研究は、バイオメディカルセマンティック情報検索ドメインのいくつかの側面に貢献する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Information Retrieval (IR) is the task of obtaining pieces of data (such as documents) that are relevant to a particular query or need from a large repository of information. IR is a valuable component of several downstream Natural Language Processing (NLP) tasks. Practically, IR is at the heart of many widely-used technologies like search engines. While probabilistic ranking functions like the Okapi BM25 function have been utilized in IR systems since the 1970's, modern neural approaches pose certain advantages compared to their classical counterparts. In particular, the release of BERT (Bidirectional Encoder Representations from Transformers) has had a significant impact in the NLP community by demonstrating how the use of a Masked Language Model trained on a large corpus of data can improve a variety of downstream NLP tasks, including sentence classification and passage re-ranking. IR Systems are also important in the biomedical and clinical domains. Given the increasing amount of scientific literature across biomedical domain, the ability find answers to specific clinical queries from a repository of millions of articles is a matter of practical value to medical professionals. Moreover, there are domain-specific challenges present, including handling clinical jargon and evaluating the similarity or relatedness of various medical symptoms when determining the relevance between a query and a sentence. This work presents contributions to several aspects of the Biomedical Semantic Information Retrieval domain. First, it introduces Multi-Perspective Sentence Relevance, a novel methodology of utilizing BERT-based models for contextual IR. The system is evaluated using the BioASQ Biomedical IR Challenge. Finally, practical contributions in the form of a live IR system for medics and a proposed challenge on the Living Systematic Review clinical task are provided.
• Abstract（参考訳）: 情報検索 (Information Retrieval, IR) は、特定のクエリに関連する、あるいは大量の情報リポジトリから必要なデータ(ドキュメントなど)を取得するタスクである。 IRは、いくつかの下流自然言語処理(NLP)タスクの貴重なコンポーネントである。 実際、IRは検索エンジンのような広く使われているテクノロジーの中心にある。 オカピ BM25 関数のような確率的ランク関数は1970年代からIRシステムで利用されてきたが、現代のニューラルアプローチは古典的手法に比べて一定の利点がある。 特にBERT(Bidirectional Encoder Representations from Transformers)のリリースは,大規模なデータコーパスでトレーニングされたマスケッド言語モデルを使用することによって,文分類や文の再ランク付けなど,下流のNLPタスクを改善できることを実証することによって,NLPコミュニティに大きな影響を与えている。 IRシステムは、バイオメディカルドメインや臨床ドメインでも重要である。 医学分野全体にわたる科学文献の増大を考えると、何百万もの論文のリポジトリから特定の臨床質問に対する回答を見つけることは、医療専門家にとって実用的な価値がある。 さらに,問合せと文の関連性を決定する際に,臨床用語を扱うこと,様々な症状の類似性や関連性を評価することなど,ドメイン固有の課題が存在する。 この研究は、バイオメディカルセマンティック情報検索ドメインのいくつかの側面に貢献する。 まず、BERTをベースとした新しい手法であるMulti-Perspective Sentence Relevanceを導入する。 このシステムはBioASQ Biomedical IR Challengeを用いて評価される。 最後に、医療従事者の生活irシステムとしての実際的な貢献と、生活体系レビュー臨床課題に関する提案課題を提供する。

関連論文リスト

• A Survey of Medical Vision-and-Language Applications and Their Techniques [48.268198631277315]
  医療ビジョン・アンド・ランゲージモデル(MVLM)は、複雑な医療データを解釈するための自然言語インタフェースを提供する能力から、大きな関心を集めている。 本稿では,MVLMの概要と適用した各種医療課題について概観する。 また、これらのタスクに使用するデータセットについても検討し、標準化された評価指標に基づいて異なるモデルの性能を比較した。
  論文  参考訳（メタデータ） (2024-11-19T03:27:05Z)
• Comprehensive and Practical Evaluation of Retrieval-Augmented Generation Systems for Medical Question Answering [70.44269982045415]
  Retrieval-augmented Generation (RAG) は,大規模言語モデル (LLM) の性能向上のための有望なアプローチとして登場した。 医療用QAデータセットに様々な補助的要素を提供するMedRGB(MedRGB)を導入する。 実験結果から,検索した文書のノイズや誤情報の処理能力に限界があることが判明した。
  論文  参考訳（メタデータ） (2024-11-14T06:19:18Z)
• Dr-LLaVA: Visual Instruction Tuning with Symbolic Clinical Grounding [53.629132242389716]
  VLM(Vision-Language Models)は、医用画像を分析し、自然言語の相互作用に関与することによって、臨床医を支援する。 VLMはしばしば「幻覚的」な振る舞いを示し、文脈的マルチモーダル情報に基づかないテキスト出力を生成する。 本稿では,臨床推論の象徴的表現を用いて医療知識にVLMを基盤とする新たなアライメントアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-05-29T23:19:28Z)
• Experience and Evidence are the eyes of an excellent summarizer! Towards Knowledge Infused Multi-modal Clinical Conversation Summarization [46.613541673040544]
  本稿では,知識を注入したマルチモーダルなマルチタスク医療ドメイン識別と臨床会話要約生成フレームワークを提案する。 目的,症状,要約を付加したマルチモーダル・マルチインテント・クリニカル・会話要約コーパスを開発した。 その結果, (a) 視覚の重要さ, (b) より正確で医用的な実体の保存, (c) 医療部門識別と臨床シナプス生成の相関が示唆された。
  論文  参考訳（メタデータ） (2023-09-27T15:49:43Z)
• MedCPT: Contrastive Pre-trained Transformers with Large-scale PubMed Search Logs for Zero-shot Biomedical Information Retrieval [5.330363334603656]
  バイオメディシンにおけるゼロショットセマンティックIRのためのコントラスト事前訓練トランスフォーマモデルであるMedCPTを紹介する。 MedCPTのトレーニングには、PubMedから2億5500万のユーザクリックログを収集しました。 MedCPTは6つのバイオメディカルIRタスクに対して,最先端の性能を新たに設定する。
  論文  参考訳（メタデータ） (2023-07-02T15:11:59Z)
• Automatically Extracting Information in Medical Dialogue: Expert System And Attention for Labelling [0.0]
  Expert System and Attention for Labelling (ESAL)は、医療記録から特徴を取り出すための新しいモデルである。 我々は、さまざまなカテゴリのセマンティクスを検索するために、専門家と事前訓練されたBERTの混合を使用します。 実験では,ESALは医療情報分類の性能を大幅に改善した。
  論文  参考訳（メタデータ） (2022-11-28T16:49:13Z)
• Improving Biomedical Information Retrieval with Neural Retrievers [30.778569849542837]
  本稿では,ニューラルネットワークモデルの学習に活用できるテンプレートベースの質問生成手法を提案する。 第2に、情報検索の下流タスクと密接に一致した2つの新しい事前学習タスクを開発する。 第3に、各コンテキストを複数のコンテキストベクトルにエンコードするPoly-DPR'モデルを導入する。
  論文  参考訳（メタデータ） (2022-01-19T17:36:54Z)
• Network Module Detection from Multi-Modal Node Features with a Greedy Decision Forest for Actionable Explainable AI [0.0]
  本研究では,Greedy Decision Forest を用いたマルチモーダルノード特徴に基づくサブネットワーク検出について述べる。 私たちのガラスボックスアプローチは、がんなどの疾患をよりよく理解するために、マルチオミクスデータから病気を引き起こすネットワークモジュールを明らかにするのに役立ちます。
  論文  参考訳（メタデータ） (2021-08-26T09:42:44Z)
• Domain-Specific Pretraining for Vertical Search: Case Study on Biomedical Literature [67.4680600632232]
  自己教師型学習は、アノテーションのボトルネックを克服するための有望な方向として現れました。 本稿では,ドメイン固有の事前学習に基づく垂直探索手法を提案する。 我々のシステムはPubMed上で何千万もの記事にスケールでき、Microsoft Biomedical Searchとしてデプロイされている。
  論文  参考訳（メタデータ） (2021-06-25T01:02:55Z)
• A Systematic Review of Natural Language Processing Applied to Radiology Reports [3.600747505433814]
  本研究は, 放射線学報告に応用されたNLPの最近の文献を体系的に評価する。 本研究は, 放射線学的特徴, nlp法, 性能, 研究, 臨床応用特性を含む21の変数に基づく。
  論文  参考訳（メタデータ） (2021-02-18T18:54:41Z)
• Machine Learning in Nano-Scale Biomedical Engineering [77.75587007080894]
  ナノスケールバイオメディカルエンジニアリングにおける機械学習の利用に関する既存の研究について概説する。 ML問題として定式化できる主な課題は、3つの主要なカテゴリに分類される。 提示された方法論のそれぞれについて、その原則、応用、制限に特に重点を置いている。
  論文  参考訳（メタデータ） (2020-08-05T15:45:54Z)

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。