論文の概要: "When they say weed causes depression, but it's your fav antidepressant": Knowledge-aware Attention Framework for Relationship Extraction

• arxiv url: http://arxiv.org/abs/2009.10155v1
• Date: Mon, 21 Sep 2020 19:54:42 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-16 05:01:25.618164
• Title: "When they say weed causes depression, but it's your fav antidepressant": Knowledge-aware Attention Framework for Relationship Extraction
• Title（参考訳）: 「雑草がうつ病を引き起こすと、それはあなたのファブ抗うつ剤だ」:関係抽出のための知識意識フレームワーク
• Authors: Shweta Yadav, Usha Lokala, Raminta Daniulaityte, Krishnaprasad Thirunarayan, Francois Lamy, Amit Sheth
• Abstract要約: 本研究では,大麻使用と抑うつの関係を明らかにするために,ドメイン固有の知識を学習プロセスに取り入れることの価値を実証する。 我々は、事前学習されたBERT言語表現モデルとドメイン固有の宣言的知識源を活用する、エンドツーエンドの知識注入ディープラーニングフレームワーク(Gated-K-BERT)を開発した。 実験結果から,BERTと関連づけた知識・意識的表現を取り入れることで,大麻・抑うつ関係をより良好なカバレッジで抽出できることが示唆された。
• 参考スコア（独自算出の注目度）: 5.998711621261398
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With the increasing legalization of medical and recreational use of cannabis, more research is needed to understand the association between depression and consumer behavior related to cannabis consumption. Big social media data has potential to provide deeper insights about these associations to public health analysts. In this interdisciplinary study, we demonstrate the value of incorporating domain-specific knowledge in the learning process to identify the relationships between cannabis use and depression. We develop an end-to-end knowledge infused deep learning framework (Gated-K-BERT) that leverages the pre-trained BERT language representation model and domain-specific declarative knowledge source (Drug Abuse Ontology (DAO)) to jointly extract entities and their relationship using gated fusion sharing mechanism. Our model is further tailored to provide more focus to the entities mention in the sentence through entity-position aware attention layer, where ontology is used to locate the target entities position. Experimental results show that inclusion of the knowledge-aware attentive representation in association with BERT can extract the cannabis-depression relationship with better coverage in comparison to the state-of-the-art relation extractor.
• Abstract（参考訳）: 大麻の医療・レクリエーション利用の合法化が進み、うつ病と大麻消費に関連する消費者行動の関係を理解するためには、さらなる研究が必要である。 ソーシャルメディアのデータは、これらの関連について、公衆衛生アナリストに深い洞察を与える可能性がある。 本研究は,大麻使用と抑うつとの関連性を明らかにするために,学習プロセスにドメイン固有の知識を組み込む価値を示す。 我々は、事前学習されたBERT言語表現モデルとドメイン固有の宣言的知識源(Drug Abuse Ontology (DAO))を活用するエンドツーエンドの知識注入ディープラーニングフレームワーク(Gated-K-BERT)を開発した。 さらに,本モデルでは,対象エンティティの位置の特定にオントロジーを用いるエンティティ配置対応アテンション層を通じて,文中のエンティティにもっと焦点を合わせるように調整している。 実験結果から,BERTと関連づけた知識・意識的表現を組み込むことで,最先端関係抽出器と比較して,大麻・抑うつ関係を良好なカバレッジで抽出できることが示唆された。

関連論文リスト

• Enhancing Biomedical Knowledge Discovery for Diseases: An Open-Source Framework Applied on Rett Syndrome and Alzheimer's Disease [28.68816381566995]
  原文から直接特定の疾患に関する知識を構築するために設計されたオープンソースのフレームワークを紹介する。 疾患関連知識発見の研究を容易にするために、Rett症候群とアルツハイマー病に焦点を当てた2つの注釈付きデータセットを作成しました。
  論文  参考訳（メタデータ） (2024-07-18T13:20:53Z)
• Evaluating and Analyzing Relationship Hallucinations in Large Vision-Language Models [69.79709804046325]
  視覚関係の幻覚を評価するための新しいベンチマークであるR-Benchを紹介する。 R-Benchは、関係の存在に焦点を当てたイメージレベルの質問と、局所的な視覚的理解を評価するインスタンスレベルの質問を特徴としている。 我々は,関係関連性,主観関連性,関係対象性という,幻覚につながる3つの関係共起関係を同定する。
  論文  参考訳（メタデータ） (2024-06-24T08:42:42Z)
• Learning to Denoise Biomedical Knowledge Graph for Robust Molecular Interaction Prediction [50.7901190642594]
  分子間相互作用予測のためのバイオKDN (Biomedical Knowledge Graph Denoising Network) を提案する。 BioKDNは、ノイズの多いリンクを学習可能な方法で識別することで、局所的な部分グラフの信頼性の高い構造を洗練する。 ターゲットの相互作用に関する関係を円滑にすることで、一貫性とロバストなセマンティクスを維持する。
  論文  参考訳（メタデータ） (2023-12-09T07:08:00Z)
• EBOCA: Evidences for BiOmedical Concepts Association Ontology [55.41644538483948]
  本論文は,生物医学領域の概念とそれらの関連性を記述するオントロジーであるEBOCAと,それらの関連性を支持するエビデンスを提案する。 DISNETのサブセットから得られるテストデータとテキストからの自動アソシエーション抽出が変換され、実際のシナリオで使用できる知識グラフが作成されるようになった。
  論文  参考訳（メタデータ） (2022-08-01T18:47:03Z)
• Discovering Drug-Target Interaction Knowledge from Biomedical Literature [107.98712673387031]
  人体における薬物と標的(DTI)の相互作用は、生物医学や応用において重要な役割を担っている。 毎年何百万もの論文がバイオメディカル分野で出回っているので、文学からDTIの知識を自動的に発見することは、業界にとって急激な需要となっている。 生成的アプローチを用いて,この課題に対する最初のエンドツーエンドソリューションについて検討する。 我々はDTI三重項をシーケンスとみなし、Transformerベースのモデルを使ってエンティティや関係の詳細なアノテーションを使わずに直接生成する。
  論文  参考訳（メタデータ） (2021-09-27T17:00:14Z)
• Joint Biomedical Entity and Relation Extraction with Knowledge-Enhanced Collective Inference [42.255596963210564]
  KECIという名前の結合エンティティと関係抽出のための外部知識を利用する新しいフレームワークを提案する。 KeCIは、グローバルリレーショナル情報をローカル表現に統合することで、参照スパンをエンティティにリンクする集合的なアプローチを採用している。 実験の結果、このフレームワークは2つの異なるベンチマークデータセットで新しい最先端の成果を得られることが判明した。
  論文  参考訳（メタデータ） (2021-05-27T21:33:34Z)
• A Review of Biomedical Datasets Relating to Drug Discovery: A Knowledge Graph Perspective [4.746544835197422]
  薬物発見分野に新しい技術を適用することに興味を持つ機械学習や知識グラフの実践者を支援することを目的としている。 様々な創薬中心の知識グラフの構築に適した情報を含む公開のプライマリデータソースを詳細に説明します。
  論文  参考訳（メタデータ） (2021-02-19T17:49:38Z)
• "Is depression related to cannabis?": A knowledge-infused model for Entity and Relation Extraction with Limited Supervision [15.474688705696348]
  ドメインの専門家によって注釈付けされた3つのカテゴリ – 推論、エフェクト、追加 – の関連性を含むつぶやきを使用する。 最先端のNatural Langauge Processing技術は、大麻のフレーズとうつ病の指標の間の関係を抽出するのに不足している。 我々は,広範囲なコーパスで訓練された GPT-3 と併用して教師付きコントラスト学習を行い,限られた監督下でも性能の向上を実現している。
  論文  参考訳（メタデータ） (2021-02-01T23:02:43Z)
• Dimensions of Commonsense Knowledge [60.49243784752026]
  我々は,その関係に特に焦点をあてて,広く普及しているコモンセンスソースを調査した。 我々はこれらの関係を13の知識次元に集約し、それぞれがソースにあるより具体的な関係を抽象化する。
  論文  参考訳（メタデータ） (2021-01-12T17:52:39Z)
• Extracting a Knowledge Base of Mechanisms from COVID-19 Papers [50.17242035034729]
  我々はメカニズムの知識ベース(KB)の構築を追求する。 我々は、妥当性と幅のバランスをとる広範で統一されたスキーマを開発する。 実験は、新型コロナウイルスの文献に関する学際的な科学的検索を支援するためのKBの有用性を実証する。
  論文  参考訳（メタデータ） (2020-10-08T07:54:14Z)
• Chemical-induced Disease Relation Extraction with Dependency Information and Prior Knowledge [2.9686294158279414]
  本稿では,CDR抽出のための新しいコンボリューション・アテンション・ネットワーク(CAN)を提案する。 まず, 文中の化学物質と疾患のペア間の最短依存経路(SDP)を抽出する。 その後、KBから学習した知識表現に関連する各意味依存ベクトルの重要性と重みを学習するための注意機構が導入された。
  論文  参考訳（メタデータ） (2020-01-02T02:24:53Z)

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。