Fugu-MT 論文翻訳(概要): SciBERT-based Semantification of Bioassays in the Open Research Knowledge Graph

論文の概要: SciBERT-based Semantification of Bioassays in the Open Research Knowledge Graph

arxiv url: http://arxiv.org/abs/2009.08801v1
Date: Wed, 16 Sep 2020 12:36:35 GMT
ステータス: 処理完了
システム内更新日: 2022-10-17 22:44:52.759217
Title: SciBERT-based Semantification of Bioassays in the Open Research Knowledge Graph
Title（参考訳）: SciBERTを用いたオープンリサーチ知識グラフにおけるバイオアッセイのセマンティフィケーション
Authors: Marco Anteghini, Jennifer D'Souza, Vitor A. P. Martins dos Santos, S\"oren Auer
Abstract要約: 本稿では,ニューラルネットワークによる自動セマンティフィケーション手法を提案し,非構造的バイオアッセイのテキスト記述について述べる。この結果から, ニューラルベースセマンティフィケーションによるセマンティフィケーションは, 有意な周波数ベースのベースラインアプローチよりも優れていることを示す。
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: As a novel contribution to the problem of semantifying biological assays, in this paper, we propose a neural-network-based approach to automatically semantify, thereby structure, unstructured bioassay text descriptions. Experimental evaluations, to this end, show promise as the neural-based semantification significantly outperforms a naive frequency-based baseline approach. Specifically, the neural method attains 72% F1 versus 47% F1 from the frequency-based method.
Abstract（参考訳）: 本稿では,生物アッセイの分離問題への新たな貢献として,構造的,非構造的なバイオアッセイテキスト記述を自動的に分離するニューラルネットワークに基づくアプローチを提案する。この結果から, ニューラルベースセマンティフィケーションによるセマンティフィケーションは, 有意な周波数ベースのベースラインアプローチよりも優れていることを示す。具体的には、周波数ベース法からF1が72%、F1が47%に達する。

関連論文リスト

Adapting the Biological SSVEP Response to Artificial Neural Networks [5.4712259563296755]
本稿では,神経科学の手法である周波数タギングに触発されたニューロン重要度評価に対する新しいアプローチを提案する。画像分類のための畳み込みニューラルネットワークを用いて行った実験では、パートベースの周波数タギングの下でのニューロン特異的応答における顕著な調和と相互変調が明らかにされた。提案手法は,ネットワークプルーニングやモデル解釈可能性などの応用を約束し,説明可能な人工知能の進歩に寄与する。
論文参考訳（メタデータ） (2024-11-15T10:02:48Z)
NovoBench: Benchmarking Deep Learning-based De Novo Peptide Sequencing Methods in Proteomics [58.03989832372747]
Emphde novoペプチドシークエンシングのための初となるNovoBenchベンチマークを報告する。多様な質量スペクトルデータ、統合モデル、総合的な評価指標から構成される。 DeepNovo、PointNovo、Casanovo、InstaNovo、AdaNovo、$pi$-HelixNovoといった最近の手法が私たちのフレームワークに統合されています。
論文参考訳（メタデータ） (2024-06-16T08:23:21Z)
Provably Neural Active Learning Succeeds via Prioritizing Perplexing Samples [53.95282502030541]
ニューラルネットワークベースのアクティブラーニング(NAL)は、ニューラルネットワークを使用してサンプルの小さなサブセットを選択してトレーニングする、費用対効果の高いデータ選択技術である。我々は、機能学習の観点から、両方のクエリ基準ベースのNALの成功について、統一的な説明を提供することにより、一歩前進させようとする。
論文参考訳（メタデータ） (2024-06-06T10:38:01Z)
Improving Biomedical Entity Linking with Retrieval-enhanced Learning [53.24726622142558]
$k$NN-BioELは、トレーニングコーパス全体から同様のインスタンスを予測のヒントとして参照する機能を備えたBioELモデルを提供する。 k$NN-BioELは、いくつかのデータセットで最先端のベースラインを上回ります。
論文参考訳（メタデータ） (2023-12-15T14:04:23Z)
BioBERT Based SNP-traits Associations Extraction from Biomedical Literature [0.5273676920837106]
SNP特性関連を同定するためにBioBERT-GRU法を提案する。 SNPPhenAデータセット上での本手法の評価から,本手法は従来の機械学習法や深層学習法よりも優れていると結論付けた。
論文参考訳（メタデータ） (2023-08-03T09:40:27Z)
Accurate Detection of Paroxysmal Atrial Fibrillation with Certified-GAN and Neural Architecture Search [1.1744028458220426]
発作性心房細動(PxAF)検出のための新しい機械学習フレームワークを提案する。このフレームワークにはGAN(Generative Adversarial Network)とNAS(Neural Architecture Search)が含まれている。実験の結果,提案手法の精度は99%と高い値を示した。
論文参考訳（メタデータ） (2023-01-17T14:04:17Z)
A Sieve Quasi-likelihood Ratio Test for Neural Networks with Applications to Genetic Association Studies [0.32771631221674324]
そこで本研究では,NNを用いた疑似シーブ様比検定を行い,複雑な関連性をテストするための隠蔽層を1つ提案する。分布の妥当性をシミュレーションにより検討した。アルツハイマー病神経画像イニシアチブ(ADNI)のシークエンシングデータの遺伝的アソシエーション解析により,提案試験の有用性を実証する。
論文参考訳（メタデータ） (2022-12-16T02:54:46Z)
White Matter Tracts are Point Clouds: Neuropsychological Score Prediction and Critical Region Localization via Geometric Deep Learning [68.5548609642999]
ホワイトマタートラクトデータを用いた神経心理学的スコア予測のためのディープラーニングに基づくフレームワークを提案する。各点の微細構造測定を行う点雲として, arcuate fasciculus (AF) を表現した。 Paired-Siamese Lossでは,連続した神経心理学的スコアの違いに関する情報を利用した予測性能を改善した。
論文参考訳（メタデータ） (2022-07-06T02:03:28Z)
Easy Semantification of Bioassays [0.0]
本稿では, バイオアッセイを自動分離する手法を提案する。我々のソリューションは、自動セマンティフィケーションの問題をラベル付けとクラスタリングという問題とは対照的である。クラスタリングソリューションは、最先端のラベリングアプローチよりもはるかに優れています。
論文参考訳（メタデータ） (2021-11-30T07:46:07Z)
FF-NSL: Feed-Forward Neural-Symbolic Learner [70.978007919101]
本稿では,Feed-Forward Neural-Symbolic Learner (FF-NSL) と呼ばれるニューラルシンボリック学習フレームワークを紹介する。 FF-NSLは、ラベル付き非構造化データから解釈可能な仮説を学習するために、Answer Setセマンティクスに基づく最先端のICPシステムとニューラルネットワークを統合する。
論文参考訳（メタデータ） (2021-06-24T15:38:34Z)
Complexity-based speciation and genotype representation for neuroevolution [81.21462458089142]
本稿では、進化するネットワークを隠されたニューロンの数に基づいて種に分類する神経進化の種分化原理を提案する。提案された種分化原理は、種および生態系全体における多様性の促進と保存を目的として設計されたいくつかの技術で採用されている。
論文参考訳（メタデータ） (2020-10-11T06:26:56Z)

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。