論文の概要: Building Large Lexicalized Ontologies from Text: a Use Case in Automatic
Indexing of Biotechnology Patents
- arxiv url: http://arxiv.org/abs/2010.00860v1
- Date: Fri, 2 Oct 2020 08:42:56 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-12 00:41:22.668519
- Title: Building Large Lexicalized Ontologies from Text: a Use Case in Automatic
Indexing of Biotechnology Patents
- Title(参考訳): テキストによる大規模語彙オントロジーの構築 : バイオテクノロジー特許の自動インデクシングのユースケース
- Authors: Claire N\'edellec, Wiktoria Golik, Sophie Aubin, Robert Bossy
- Abstract要約: TyDIは知識技術者とドメインエキスパートが協力してコーパス抽出用語の検証、組織化、概念化を行うための設備を提供する。
バイオテクノロジー特許検索のユースケースは、TyDIの可能性を示している。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper presents a tool, TyDI, and methods experimented in the building of
a termino-ontology, i.e. a lexicalized ontology aimed at fine-grained
indexation for semantic search applications. TyDI provides facilities for
knowledge engineers and domain experts to efficiently collaborate to validate,
organize and conceptualize corpus extracted terms. A use case on biotechnology
patent search demonstrates TyDI's potential.
- Abstract(参考訳): 本稿では,用語オントロジー,すなわち意味検索アプリケーションのためのきめ細かなインデクシングを目的とした語彙化オントロジーの構築において実験されたツール,tydi,および手法を提案する。
TyDIは知識技術者とドメインエキスパートが効率的に協力してコーパス抽出用語の検証、組織化、概念化を行うための設備を提供する。
バイオテクノロジー特許検索のユースケースは、TyDIの可能性を示している。
関連論文リスト
- Dynamic Retrieval Augmented Generation of Ontologies using Artificial
Intelligence (DRAGON-AI) [24.636026961059642]
オントロジーは、生物医学、環境学、食品科学などの分野における情報基盤の基本的な構成要素である。
我々はAI(DRAGON-AI)を用いた動的検索オントロジー生成を提案する。
論文 参考訳(メタデータ) (2023-12-18T03:19:31Z) - DiscoverPath: A Knowledge Refinement and Retrieval System for
Interdisciplinarity on Biomedical Research [96.10765714077208]
従来のキーワードベースの検索エンジンは、特定の用語に慣れていないユーザーを支援するのに不足している。
本稿では, バイオメディカル研究のための知識グラフに基づく紙検索エンジンを提案し, ユーザエクスペリエンスの向上を図る。
DiscoverPathと呼ばれるこのシステムは、名前付きエンティティ認識(NER)とPOSタグを使って、記事の要約から用語や関係を抽出し、KGを作成する。
論文 参考訳(メタデータ) (2023-09-04T20:52:33Z) - HiPrompt: Few-Shot Biomedical Knowledge Fusion via Hierarchy-Oriented
Prompting [33.1455954220194]
HiPromptは、監督効率の良い知識融合フレームワークである。
階層指向のプロンプトを通じて、大規模言語モデルの数発の推論能力を引き出す。
収集したKG-Hi-BKFベンチマークデータセットの実験的結果は、HiPromptの有効性を示している。
論文 参考訳(メタデータ) (2023-04-12T16:54:26Z) - 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) - Contextual Semantic Embeddings for Ontology Subsumption Prediction [37.61925808225345]
本稿では,Web Ontology (OWL) のクラスに BERTSubs というコンテキスト埋め込みの新たな予測手法を提案する。
これは、事前訓練された言語モデルBERTを利用してクラスの埋め込みを計算し、クラスコンテキストと論理的存在制約を組み込むためにカスタマイズされたテンプレートを提案する。
論文 参考訳(メタデータ) (2022-02-20T11:14:04Z) - Patent Sentiment Analysis to Highlight Patent Paragraphs [0.0]
特許文書が与えられた場合、異なるセマンティックアノテーションを識別することは興味深い研究の側面である。
手動の特許分析の過程で、より読みやすくするために、段落をマークして意味情報を認識することが実際である。
この作業は、セマンティック情報を自動的に強調する特許実践者を支援し、機械学習の適性を利用して持続的で効率的な特許分析を作成するのに役立つ。
論文 参考訳(メタデータ) (2021-11-06T13:28:29Z) - 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) - Hierarchical Learning Using Deep Optimum-Path Forest [55.60116686945561]
バグオブビジュアルワード(bovw)やディープラーニング技術は、コンピュータ支援医療診断を含むいくつかの領域で広く使われている。
本研究では機械学習とBoVWの概念を用いたパーキンソン病の自動同定ツールの開発に興味を持っている。
論文 参考訳(メタデータ) (2021-02-18T13:02:40Z) - HIVE-4-MAT: Advancing the Ontology Infrastructure for Materials Science [0.5249805590164902]
HIVE-4-MATは、材料科学のための学際的語彙工学を支援します。
HIVE-4-MATの語彙ブラウジング、用語検索と選択、知識抽出とインデックス化をレビューします。
論文 参考訳(メタデータ) (2021-01-20T04:40:09Z) - UmlsBERT: Clinical Domain Knowledge Augmentation of Contextual
Embeddings Using the Unified Medical Language System Metathesaurus [73.86656026386038]
事前学習プロセス中にドメイン知識を統合するコンテキスト埋め込みモデルであるUmlsBERTを紹介する。
これらの2つの戦略を適用することで、UmlsBERTは、臨床領域の知識を単語埋め込みにエンコードし、既存のドメイン固有モデルより優れている。
論文 参考訳(メタデータ) (2020-10-20T15:56:31Z) - A Diagnostic Study of Explainability Techniques for Text Classification [52.879658637466605]
既存の説明可能性技術を評価するための診断特性のリストを作成する。
そこで本研究では, モデルの性能と有理性との整合性の関係を明らかにするために, 説明可能性手法によって割り当てられた有理性スコアと有理性入力領域の人間のアノテーションを比較した。
論文 参考訳(メタデータ) (2020-09-25T12:01:53Z)
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。