論文の概要: Denmark's Participation in the Search Engine TREC COVID-19 Challenge:
Lessons Learned about Searching for Precise Biomedical Scientific Information
on COVID-19
- arxiv url: http://arxiv.org/abs/2011.12684v2
- Date: Thu, 26 Nov 2020 12:42:21 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-21 03:49:05.373362
- Title: Denmark's Participation in the Search Engine TREC COVID-19 Challenge:
Lessons Learned about Searching for Precise Biomedical Scientific Information
on COVID-19
- Title（参考訳）: デンマークがtrec covid-19 challengeに参加:covid-19に関する正確な生物医学的科学的情報検索から学んだ教訓
- Authors: Lucas Chaves Lima, Casper Hansen, Christian Hansen, Dongsheng Wang,
Maria Maistro, Birger Larsen, Jakob Grue Simonsen and Christina Lioma
- Abstract要約: コペンハーゲン大学とアルボーグ大学は2020年のTREC-COVID Challengeに参加した。
競争の目的は、新型コロナウイルスの正確な生医学的な情報を取得するための検索エンジン戦略を見つけることであった。
- 参考スコア（独自算出の注目度）: 22.96824848167245
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This report describes the participation of two Danish universities,
University of Copenhagen and Aalborg University, in the international search
engine competition on COVID-19 (the 2020 TREC-COVID Challenge) organised by the
U.S. National Institute of Standards and Technology (NIST) and its Text
Retrieval Conference (TREC) division. The aim of the competition was to find
the best search engine strategy for retrieving precise biomedical scientific
information on COVID-19 from the largest, at that point in time, dataset of
curated scientific literature on COVID-19 -- the COVID-19 Open Research Dataset
(CORD-19). CORD-19 was the result of a call to action to the tech community by
the U.S. White House in March 2020, and was shortly thereafter posted on Kaggle
as an AI competition by the Allen Institute for AI, the Chan Zuckerberg
Initiative, Georgetown University's Center for Security and Emerging
Technology, Microsoft, and the National Library of Medicine at the US National
Institutes of Health. CORD-19 contained over 200,000 scholarly articles (of
which more than 100,000 were with full text) about COVID-19, SARS-CoV-2, and
related coronaviruses, gathered from curated biomedical sources. The TREC-COVID
challenge asked for the best way to (a) retrieve accurate and precise
scientific information, in response to some queries formulated by biomedical
experts, and (b) rank this information decreasingly by its relevance to the
query.
In this document, we describe the TREC-COVID competition setup, our
participation to it, and our resulting reflections and lessons learned about
the state-of-art technology when faced with the acute task of retrieving
precise scientific information from a rapidly growing corpus of literature, in
response to highly specialised queries, in the middle of a pandemic.
- Abstract（参考訳）: 本稿では,コペンハーゲン大学とアルボーグ大学という2つのデンマークの大学が,米国国立標準技術研究所(NIST)とそのテキスト検索会議(TREC)部門が主催する,COVID-19(2020 TREC-COVID Challenge)に関する国際検索エンジンコンペティションに参加することを述べる。
このコンペの目的は、covid-19の正確な生物医学的情報を取得するための最良の検索エンジン戦略を見つけることであり、その時点では、covid-19 -- the covid-19 open research dataset (cord-19) に関するキュレートされた科学文献のデータセットが最大だった。
CORD-19は2020年3月、米国ホワイトハウスによるテクノロジーコミュニティへの行動を呼びかけた結果であり、その後間もなく、アレン・インスティチュート・フォー・AI、チャン・ザッカーバーグ・イニシアチブ、ジョージタウン大学のセキュリティ・新興技術センター、Microsoft、アメリカ国立衛生研究所の国立医学図書館のAIコンペティションとしてKaggleに投稿された。
CORD-19には、新型コロナウイルス(COVID-19)、SARS-CoV-2(SARS-CoV-2)、関連する新型コロナウイルスに関する20万以上の学術論文(うち10万件は全文)が含まれていた。
trec-covidチャレンジは、最良の方法を求めました
a) バイオメディカルの専門家が作成したクエリに応答して、正確で正確な科学的情報を検索し、
(b)クエリとの関連により、この情報を徐々にランク付けする。
本稿では,TREC-COVIDコンペティションのセットアップ,それへの参加,そして,パンデミックの最中に,高度に専門化されたクエリに応答して,急速に増大する文学のコーパスから,正確な科学的情報を取得するという急性課題に直面した際の,最先端技術に関する考察と教訓について述べる。
関連論文リスト
- Medical-VLBERT: Medical Visual Language BERT for COVID-19 CT Report
Generation With Alternate Learning [70.71564065885542]
本稿では,医療用ビジュアル言語BERT(Medical-VLBERT)モデルを用いて,新型コロナウイルススキャンの異常を同定する。
このモデルは、知識事前学習と伝達の2つの手順で、代替的な学習戦略を採用する。
COVID-19患者に対する医療報告の自動作成のために,中国語で368例,胸部CTで1104例の検診を行った。
論文 参考訳（メタデータ） (2021-08-11T07:12:57Z) - Rapid COVID-19 Risk Screening by Eye-region Manifestations [64.6260390977642]
新型コロナウイルス(COVID-19)の患者には、臨床的な証拠として、より多くの眼症状が報告されている。
そこで本研究では,共通CCDおよびCMOSカメラで撮像された眼領域画像の高速スクリーニング手法を提案する。
我々の新型コロナウイルスの急激な事前スクリーニングモデルは、コストが低く、完全自己パフォーマンスで、非侵襲的で、重要なリアルタイム性を持つため、継続的な健康監視を可能にします。
論文 参考訳（メタデータ） (2021-06-12T01:56:10Z) - 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) - Repurposing TREC-COVID Annotations to Answer the Key Questions of
CORD-19 [4.847073702809032]
新型コロナウイルス感染症(COVID-19)は2019年後半に中国武漢で発生し、これまでに全世界で1400万人以上が感染している。
ホワイトハウスは、さまざまな新型コロナウイルスに関連する20万件以上の雑誌をまとめ、コーパスに関する重要な質問に回答するようコミュニティに指示した。
我々は, TREC-COVIDタスクの関連アノテーションを再利用して, CORD-19が提起する重要な問題に関連するCORD-19のジャーナル記事を特定することにした。
論文 参考訳（メタデータ） (2020-08-27T19:51:07Z) - 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) - A Survey on Applications of Artificial Intelligence in Fighting Against
COVID-19 [75.84689958489724]
SARS-CoV-2ウイルスによる新型コロナウイルスのパンデミックは世界中で急速に広がり、世界的な感染拡大につながっている。
新型コロナウイルス対策の強力なツールとして、人工知能(AI)技術はこのパンデミックに対抗するために広く利用されている。
この調査では、新型コロナウイルス対策におけるAIテクノロジの既存および潜在的応用に関する包括的見解を、医療とAI研究者に提示する。
論文 参考訳（メタデータ） (2020-07-04T22:48:15Z) - CO-Search: COVID-19 Information Retrieval with Semantic Search, Question
Answering, and Abstractive Summarization [53.67205506042232]
CO-Searchは、新型コロナウイルスの文献上の複雑なクエリを処理するように設計された、レトリバーランサーセマンティック検索エンジンである。
ドメイン固有の比較的限られたデータセットを考慮し、文書の段落と引用の2部グラフを生成する。
TREC-COVID情報検索課題のデータに基づいて,本システムの評価を行った。
論文 参考訳（メタデータ） (2020-06-17T01:32:48Z) - What country, university or research institute, performed the best on
COVID-19? Bibliometric analysis of scientific literature [12.168506735496715]
我々は、新型コロナウイルスのパンデミックが始まって以来、最も多く研究を行った国、大学、企業を見つけるために、データマイニングを実施しています。
興味深い発見をいくつか提示したが、Web of Science Core CollectionからCOVID-19に関するすべての記録を分析したが、大きな結論には至らなかった。
論文 参考訳（メタデータ） (2020-05-19T14:36:12Z) - CORD-19: The COVID-19 Open Research Dataset [28.556291682259477]
CORD-19は、新型コロナウイルスとその関連歴史的研究に関する科学論文の資源が増えている。
CORD-19はリリース以来、200万回以上ダウンロードされ、多くのCOVID-19テキストマイニングおよび発見システムの基盤となっている。
論文 参考訳（メタデータ） (2020-04-22T17:10:18Z) - 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。