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
- Empowering machine learning models with contextual knowledge for
enhancing the detection of eating disorders in social media posts [1.0423569489053137]
本稿では,知識グラフと深層学習を組み合わせてソーシャルメディア投稿の分類を強化する新しいハイブリッドアプローチを提案する。
我々は、健康領域、特に摂食障害に関連するポストを特定することに重点を置いている。
我々は,摂食障害に関する2000ツイートのデータセットを用いて,知識グラフ情報と単語埋め込みを組み合わせることで,予測モデルの信頼性が向上することを確認した。
論文 参考訳(メタデータ) (2024-02-08T10:15:41Z) - SynerGPT: In-Context Learning for Personalized Drug Synergy Prediction
and Drug Design [64.69434941796904]
本稿では,テキスト内薬物相乗学習のための新しい設定とモデルを提案する。
特定のがん細胞標的の文脈における10~20の薬物相乗関係の「個人化データセット」を作成した。
私たちの目標は、その文脈で追加の薬物シナジー関係を予測することです。
論文 参考訳(メタデータ) (2023-06-19T17:03:46Z) - 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) - CogAlign: Learning to Align Textual Neural Representations to Cognitive
Language Processing Signals [60.921888445317705]
自然言語処理モデルに認知言語処理信号を統合するためのCogAlignアプローチを提案する。
我々は、CogAlignが、パブリックデータセット上の最先端モデルよりも、複数の認知機能で大幅な改善を実現していることを示す。
論文 参考訳(メタデータ) (2021-06-10T07:10:25Z) - 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。