論文の概要: Navigating the landscape of COVID-19 research through literature
analysis: A bird's eye view
- arxiv url: http://arxiv.org/abs/2008.03397v2
- Date: Fri, 11 Sep 2020 21:01:27 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-02 02:04:33.691523
- Title: Navigating the landscape of COVID-19 research through literature
analysis: A bird's eye view
- Title（参考訳）: 文献分析によるcovid-19研究の展望--鳥の眼図
- Authors: Lana Yeganova, Rezarta Islamaj, Qingyu Chen, Robert Leaman, Alexis
Allot, Chin-Hsuan Wei, Donald C. Comeau, Won Kim, Yifan Peng, W. John Wilbur,
Zhiyong Lu
- Abstract要約: 我々は、2020年5月15日時点でPubMedで見つかった13,369のCOVID-19関連記事、LitCovidコレクションを分析した。
我々は、最先端のエンティティ認識、分類、クラスタリング、その他のNLP技術を適用する。
クラスタリングアルゴリズムは,関連用語群で表されるトピックを識別し,関連する文書に対応するクラスタを算出する。
- 参考スコア（独自算出の注目度）: 11.362549790802483
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Timely access to accurate scientific literature in the battle with the
ongoing COVID-19 pandemic is critical. This unprecedented public health risk
has motivated research towards understanding the disease in general,
identifying drugs to treat the disease, developing potential vaccines, etc.
This has given rise to a rapidly growing body of literature that doubles in
number of publications every 20 days as of May 2020. Providing medical
professionals with means to quickly analyze the literature and discover growing
areas of knowledge is necessary for addressing their question and information
needs.
In this study we analyze the LitCovid collection, 13,369 COVID-19 related
articles found in PubMed as of May 15th, 2020 with the purpose of examining the
landscape of literature and presenting it in a format that facilitates
information navigation and understanding. We do that by applying
state-of-the-art named entity recognition, classification, clustering and other
NLP techniques. By applying NER tools, we capture relevant bioentities (such as
diseases, internal body organs, etc.) and assess the strength of their
relationship with COVID-19 by the extent they are discussed in the corpus. We
also collect a variety of symptoms and co-morbidities discussed in reference to
COVID-19. Our clustering algorithm identifies topics represented by groups of
related terms, and computes clusters corresponding to documents associated with
the topic terms. Among the topics we observe several that persist through the
duration of multiple weeks and have numerous associated documents, as well
several that appear as emerging topics with fewer documents. All the tools and
data are publicly available, and this framework can be applied to any
literature collection. Taken together, these analyses produce a comprehensive,
synthesized view of COVID-19 research to facilitate knowledge discovery from
literature.
- Abstract（参考訳）: 新型コロナウイルスのパンデミックとの戦いにおける正確な科学文献へのタイムリーなアクセスは重要だ。
この前例のない公衆衛生リスクは、病気全般の理解、疾患の治療薬の特定、ワクチンの開発などに向けた研究を動機付けている。
これにより、2020年5月現在、20日ごとに出版物数が倍増している文学が急速に成長している。
文献を迅速に分析し、知識の発達領域を発見する手段を医療専門家に提供することは、質問や情報ニーズに対処するために必要である。
本研究では,2020年5月15日時点でPubMedで発見された13,369件のLitCovidコレクションを分析し,文献の景観を調査し,情報ナビゲーションと理解を容易にする形式で提示する。
我々は、最先端のエンティティ認識、分類、クラスタリング、その他のNLP技術を適用する。
nerツールを適用することで、関連する生体(疾患、内臓など)を捕捉し、コーパスで議論される程度で、covid-19との関係の強さを評価する。
また、COVID-19に関するさまざまな症状や共同症状も収集しています。
クラスタリングアルゴリズムは,関連用語群で表されるトピックを識別し,関連する文書に対応するクラスタを算出する。
トピックの中には、数週間にわたって継続し、関連ドキュメントが多数あるものや、ドキュメントが少ない新しいトピックとして現れるものもいくつかあります。
すべてのツールとデータは公開されており、このフレームワークはあらゆる文献コレクションに適用することができる。
これらの分析は、文献からの知識発見を促進するために、COVID-19研究の包括的で総合的な視点を生み出している。
関連論文リスト
- De-identification of clinical free text using natural language
processing: A systematic review of current approaches [48.343430343213896]
自然言語処理は、その非識別プロセスの自動化の可能性を繰り返し示してきた。
本研究の目的は,過去13年間に臨床自由テキストの非識別化が進展したことを示す体系的な証拠を提供することである。
論文 参考訳（メタデータ） (2023-11-28T13:20:41Z) - Exploring the evolution of research topics during the COVID-19 pandemic [3.234641429290768]
我々は,CORD-19 Topic Visualizer (CORToViz)について紹介する。
提案手法は,最新の技術(大規模言語モデルを含む)の選択と時間的トピックマイニングのための抽出技術に基づく。
トピックインスペクションはインタラクティブなダッシュボードによってサポートされており、単語クラウドやトピックトレンドを時系列として高速でワンクリックで可視化することができる。
論文 参考訳（メタデータ） (2023-10-05T22:16:41Z) - 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) - 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) - What is the State of the Art of Computer Vision-Assisted Cytology? A
Systematic Literature Review [47.42354724922676]
現在,細胞診に応用されているコンピュータビジョン技術の現状を明らかにするために,システマティック文献レビューを実施している。
分析された研究で最も使われている方法は深層学習(70論文)であるが、古典的なコンピュータビジョンのみ(101論文)を使用するものは少ない。
結論として,多くの染色に対して高品質なデータセットがまだ存在せず,ほとんどの研究は日常的な臨床診断ルーチンに適用できるほど成熟していない。
論文 参考訳（メタデータ） (2021-05-24T13:50:45Z) - COVIDScholar: An automated COVID-19 research aggregation and analysis
platform [0.0]
2020年10月現在、81,000以上のCOVID-19関連科学論文が1日250以上の速度で公開されています。
これは、研究文献との関わりの伝統的な方法への挑戦を生み出しました。
我々は2020年における新型コロナウイルス研究の動向について分析する。
論文 参考訳（メタデータ） (2020-12-07T18:17:11Z) - COVID-19 Kaggle Literature Organization [29.959515544730348]
世界は、2020年に重症急性呼吸症候群のコロナウイルス-2(SARS-CoV-2)の壊滅的な流行に直面している。
この問題の研究は、科学者が新しい発見に追いつくのに苦労している点まで、急速に追跡された。
本稿では、機械学習技術を用いて、新型コロナウイルスに関する科学文献を整理、視覚化するアプローチについて述べる。
論文 参考訳（メタデータ） (2020-08-04T21:02:32Z) - Understanding the temporal evolution of COVID-19 research through
machine learning and natural language processing [66.63200823918429]
重症急性呼吸器症候群2号(SARS-CoV-2)による新型コロナウイルス感染症(COVID-19)の流行は、世界中の人々の生活や社会に影響を与え続けている。
私たちは複数のデータソース、すなわちPubMedとArXivを使用し、現在のCOVID-19研究の風景を特徴づけるために、いくつかの機械学習モデルを構築しました。
調査の結果,PubMedとArXivで利用可能な研究の種類は異なることが確認された。
論文 参考訳（メタデータ） (2020-07-22T18:02:39Z) - COVID-19 Literature Knowledge Graph Construction and Drug Repurposing
Report Generation [79.33545724934714]
我々は,学術文献から微細なマルチメディア知識要素を抽出する,新しい包括的知識発見フレームワークであるCOVID-KGを開発した。
我々のフレームワークはまた、証拠として詳細な文脈文、サブフィギュア、知識のサブグラフも提供します。
論文 参考訳（メタデータ） (2020-07-01T16:03:20Z) - Discovering associations in COVID-19 related research papers [2.146386506780702]
本研究は、新型コロナウイルス関連論文の要約と、関連ルールテキストマイニングを用いた新型コロナウイルス関連研究について分析した。
これらの手法を基礎として,同種の疫病/パンデミックの流行に研究者がどう対応しているかを歴史を通じて明らかにすることを目的とした。
論文 参考訳（メタデータ） (2020-04-06T10:52:25Z) - Mapping the Landscape of Artificial Intelligence Applications against
COVID-19 [59.30734371401316]
世界保健機関(WHO)は、SARS-CoV-2ウイルスによる新型コロナウイルスの感染をパンデミックと宣言した。
我々は、機械学習と、より広範に、人工知能を用いた最近の研究の概要を、新型コロナウイルス危機の多くの側面に取り組むために提示する。
論文 参考訳（メタデータ） (2020-03-25T12:30:33Z)
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。