論文の概要: COVID-19: Comparative Analysis of Methods for Identifying Articles Related to Therapeutics and Vaccines without Using Labeled Data

• arxiv url: http://arxiv.org/abs/2101.02017v1
• Date: Tue, 5 Jan 2021 08:40:04 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-11 19:53:46.985194
• Title: COVID-19: Comparative Analysis of Methods for Identifying Articles Related to Therapeutics and Vaccines without Using Labeled Data
• Title（参考訳）: 新型コロナウイルス : ラベル付きデータを用いずに治療・ワクチン関連記事の識別方法の比較分析
• Authors: Mihir Parmar, Ashwin Karthik Ambalavanan, Hong Guan, Rishab Banerjee, Jitesh Pabla and Murthy Devarakonda
• Abstract要約: 本研究は,テキスト中のタスク固有の用語の有無に基づいてテキスト分類手法を分析する手法を提案する。 本研究は,6種類のトランスファーラーニングおよび非教師なし手法を用いて,新型コロナウイルスワクチンおよび治療関連項目のスクリーニングを行った。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Here we proposed an approach to analyze text classification methods based on the presence or absence of task-specific terms (and their synonyms) in the text. We applied this approach to study six different transfer-learning and unsupervised methods for screening articles relevant to COVID-19 vaccines and therapeutics. The analysis revealed that while a BERT model trained on search-engine results generally performed well, it miss-classified relevant abstracts that did not contain task-specific terms. We used this insight to create a more effective unsupervised ensemble.
• Abstract（参考訳）: 本稿では,テキスト中のタスク固有の用語(およびその同義語)の有無に基づいて,テキスト分類手法を分析する手法を提案する。 本研究は,6種類のトランスファーラーニングおよび非教師なし手法を用いて,新型コロナウイルスワクチンおよび治療関連項目のスクリーニングを行った。 分析の結果、検索エンジンの結果に基づいて訓練されたbertモデルは一般的にうまく機能するが、タスク固有の用語を含まない関連する抽象をミス分類した。 私たちはこの洞察を使って、より効果的な教師なしアンサンブルを作りました。

関連論文リスト

• SmurfCat at SemEval-2024 Task 6: Leveraging Synthetic Data for Hallucination Detection [51.99159169107426]
  本稿では,SemEval-2024幻覚検出タスクのための新しいシステムを提案する。 我々の調査は、モデル予測と基準基準を比較するための様々な戦略にまたがっている。 強力なパフォーマンス指標を示す3つの異なる方法を紹介します。
  論文  参考訳（メタデータ） (2024-04-09T09:03:44Z)
• Zero-shot Generative Large Language Models for Systematic Review Screening Automation [55.403958106416574]
  本研究では,ゼロショット大言語モデルを用いた自動スクリーニングの有効性について検討した。 本研究では, 8種類のLCMの有効性を評価し, 予め定義されたリコール閾値を用いた校正手法について検討する。
  論文  参考訳（メタデータ） (2024-01-12T01:54:08Z)
• Plugin estimators for selective classification with out-of-distribution detection [67.28226919253214]
  現実世界の分類器は、信頼性の低いサンプルの予測を控えることの恩恵を受けることができる。 これらの設定は、選択分類(SC)とアウト・オブ・ディストリビューション(OOD)の検出文献において広範囲に研究されている。 OOD検出による選択分類に関する最近の研究は、これらの問題の統一的な研究を議論している。 本稿では,既存の手法を理論的に基礎づけ,有効かつ一般化したSCOD用プラグイン推定器を提案する。
  論文  参考訳（メタデータ） (2023-01-29T07:45:17Z)
• Predicting COVID-19 Patient Shielding: A Comprehensive Study [3.0625089376654664]
  本研究は、新型コロナウイルス患者の遮蔽を予測することに焦点を当てる。 我々は,多ラベル分類問題として,新型コロナウイルス患者の遮蔽を予測するための新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2021-10-01T03:02:58Z)
• Discriminative Attribution from Counterfactuals [64.94009515033984]
  本稿では,特徴属性と反実的説明を組み合わせたニューラルネットワークの解釈可能性について述べる。 本手法は,特徴属性法の性能を客観的に評価するために有効であることを示す。
  論文  参考訳（メタデータ） (2021-09-28T00:53:34Z)
• COVID-19 Multidimensional Kaggle Literature Organization [3.201839066679614]
  因子化は文書コーパスに隠されたパターンを発見できる強力な教師なし学習手法であることを示す。 コーパスの高次表現により,類似記事,関連雑誌,類似研究論文の執筆者,話題キーワードの同時グループ化が可能となることを示す。
  論文  参考訳（メタデータ） (2021-07-17T06:16:36Z)
• Impact of detecting clinical trial elements in exploration of COVID-19 literature [29.027162080682643]
  本稿では, 標準検索エンジンによる検索結果と臨床関連概念を用いたフィルタリング結果と, その関連性について比較する。 関係性の概念選択は、元の検索したコレクションを、未判断の文書の割合を減少させる方法でフィルタリングする。
  論文  参考訳（メタデータ） (2021-05-25T23:41:24Z)
• 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)
• COVID-19 therapy target discovery with context-aware literature mining [5.839799877302573]
  本稿では,エンティティ間の関係を近似することで,経験的表現データの文脈化を行うシステムを提案する。 トランスファーラーニングによりより大きな科学的文脈を活用するために,新しい埋め込み生成手法を提案する。
  論文  参考訳（メタデータ） (2020-07-30T18:37:36Z)
• Semi-supervised Medical Image Classification with Relation-driven Self-ensembling Model [71.80319052891817]
  医用画像分類のための関係駆動型半教師付きフレームワークを提案する。 これは、摂動下で与えられた入力の予測一貫性を促進することでラベルのないデータを利用する。 本手法は,シングルラベルおよびマルチラベル画像分類のシナリオにおいて,最先端の半教師付き学習手法よりも優れる。
  論文  参考訳（メタデータ） (2020-05-15T06:57:54Z)
• Target specific mining of COVID-19 scholarly articles using one-class approach [3.4935179780034247]
  本稿では,機械学習を用いたコロナウイルス関連研究論文の活動と動向を抽出することを目的とする。 k-meansクラスタリングアルゴリズムは、並列なOCSVMに続き、元の特徴空間と縮小された特徴空間の両方において、他の手法よりも優れている。
  論文  参考訳（メタデータ） (2020-04-24T12:39:54Z)

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。