論文の概要: Biomedical Question Answering: A Comprehensive Review

• arxiv url: http://arxiv.org/abs/2102.05281v1
• Date: Wed, 10 Feb 2021 06:16:35 GMT
• ステータス: 処理完了
• システム内更新日: 2021-02-11 19:34:04.873799
• Title: Biomedical Question Answering: A Comprehensive Review
• Title（参考訳）: バイオメディカル質問への回答:包括的レビュー
• Authors: Qiao Jin, Zheng Yuan, Guangzhi Xiong, Qianlan Yu, Chuanqi Tan, Mosha Chen, Songfang Huang, Xiaozhong Liu, Sheng Yu
• Abstract要約: Question Answering (QA) は自然言語処理(NLP)のベンチマークであり、関連する文書、画像、知識ベース、質問-回答ペアを用いてモデルが与えられた質問に対する回答を予測する。 バイオメディシンのような特定のドメインでは、QAシステムは実際の環境では使われない。 バイオメディカルQA(BQA)は、新しいQAタスクとして、革新的なアプリケーションが複雑なバイオメディカル知識を効果的に知覚し、アクセスし、理解することを可能にする。
• 参考スコア（独自算出の注目度）: 19.38459023509541
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Question Answering (QA) is a benchmark Natural Language Processing (NLP) task where models predict the answer for a given question using related documents, images, knowledge bases and question-answer pairs. Automatic QA has been successfully applied in various domains like search engines and chatbots. However, for specific domains like biomedicine, QA systems are still rarely used in real-life settings. Biomedical QA (BQA), as an emerging QA task, enables innovative applications to effectively perceive, access and understand complex biomedical knowledge. In this work, we provide a critical review of recent efforts in BQA. We comprehensively investigate prior BQA approaches, which are classified into 6 major methodologies (open-domain, knowledge base, information retrieval, machine reading comprehension, question entailment and visual QA), 4 topics of contents (scientific, clinical, consumer health and examination) and 5 types of formats (yes/no, extraction, generation, multi-choice and retrieval). In the end, we highlight several key challenges of BQA and explore potential directions for future works.
• Abstract（参考訳）: 質問応答(QA)は、モデルが関連する文書、画像、知識ベース、質問応答ペアを使用して、与えられた質問の回答を予測するベンチマーク自然言語処理(NLP)タスクです。 自動QAは、検索エンジンやチャットボットなど、さまざまな分野に適用されている。 しかし、バイオメディシンのような特定のドメインでは、QAシステムは実際の環境では使われない。 バイオメディカルQA(BQA)は、新しいQAタスクとして、複雑なバイオメディカル知識を効果的に認識、アクセス、理解する革新的なアプリケーションを可能にします。 本稿では,BQAにおける最近の取り組みについて批判的なレビューを行う。 先行するbqaアプローチを,6つの主要な方法論(オープンドメイン,知識ベース,情報検索,機械読解,質問応答,視覚qa),4つの内容(科学的,臨床的,消費者健康,検査),5種類の形式(yes/no,抽出,生成,マルチチョイス,検索)に包括的に検討した。 最後に、BQAの重要な課題をいくつか取り上げ、今後の研究の方向性を探る。

関連論文リスト

• A Joint-Reasoning based Disease Q&A System [6.117758142183177]
  医療質問応答(QA)アシスタントは、複数のソースから情報を合成することで、レイユーザーの健康関連クエリに応答する。 彼らは、誤った情報、情報過負荷、医療言語の複雑さの問題を緩和するための重要なツールとして機能する。
  論文  参考訳（メタデータ） (2024-01-06T09:55:22Z)
• XAIQA: Explainer-Based Data Augmentation for Extractive Question Answering [1.1867812760085572]
  我々は,電子カルテで自然に利用可能なデータから,合成QAペアを大規模に生成するための新しいアプローチであるXAIQAを紹介する。 本手法は、分類モデル説明器の考え方を用いて、医療規範に対応する医療概念に関する質問や回答を生成する。
  論文  参考訳（メタデータ） (2023-12-06T15:59:06Z)
• Contributions to the Improvement of Question Answering Systems in the Biomedical Domain [0.951828574518325]
  この論文は、生物医学領域における質問応答(QA)の枠組みに該当する。 バイオメディカル領域におけるQAの性能向上のための4つのコントリビューションを提案する。 我々はSemBioNLQAと呼ばれる完全に自動化されたセマンティックバイオメディカルQAシステムを開発した。
  論文  参考訳（メタデータ） (2023-07-25T16:31:20Z)
• Medical Visual Question Answering: A Survey [55.53205317089564]
  VQA(Medicical Visual Question Answering)は、医療用人工知能と一般的なVQA課題の組み合わせである。 医療用VQAシステムは,医療用画像と自然言語による臨床的に関連性のある質問を前提として,妥当かつ説得力のある回答を予測することが期待されている。
  論文  参考訳（メタデータ） (2021-11-19T05:55:15Z)
• Recent Advances in Automated Question Answering In Biomedical Domain [0.06922389632860546]
  過去数十年間、知識の獲得が急増しており、その結果、バイオメディシン分野における新しい科学論文が指数関数的に増加してきた。 ドメインの専門家であっても、ドメイン内のすべての情報を追跡することは困難になっています。 商用検索エンジンの改善により、ユーザーはクエリーを入力し、クエリーに最も関連性の高いドキュメントの小さなセットを得ることができる。 これにより、ユーザが提供する自然言語の質問に対して、正確かつ正確な答えを見つけることを目的とした効率的なQAシステムの開発が必要になった。
  論文  参考訳（メタデータ） (2021-11-10T20:51:29Z)
• Conversational Question Answering: A Survey [18.447856993867788]
  本調査は,会話質問回答(CQA)の最先端研究動向を包括的に概観する試みである。 この結果から,会話型AIの分野をさまざまな観点から活性化する一ターンから多ターンQAへの傾向が示唆された。
  論文  参考訳（メタデータ） (2021-06-02T01:06:34Z)
• Retrieving and Reading: A Comprehensive Survey on Open-domain Question Answering [62.88322725956294]
  OpenQAの最近の研究動向を概観し、特にニューラルMSC技術を導入したシステムに注目した。 Retriever-Reader' と呼ばれる最新の OpenQA アーキテクチャを導入し、このアーキテクチャに従うさまざまなシステムを分析します。 次に、OpenQAシステムの開発における主要な課題について議論し、一般的に使用されるベンチマークの分析を提供する。
  論文  参考訳（メタデータ） (2021-01-04T04:47:46Z)
• Technical Question Answering across Tasks and Domains [47.80330046038137]
  文書検索と読解作業のための調整可能な共同学習手法を提案する。 TechQAに関する我々の実験は、最先端の手法と比較して優れた性能を示している。
  論文  参考訳（メタデータ） (2020-10-19T18:39:30Z)
• Interpretable Multi-Step Reasoning with Knowledge Extraction on Complex Healthcare Question Answering [89.76059961309453]
  HeadQAデータセットには、公衆医療専門試験で認可された複数の選択質問が含まれている。 これらの質問は、現在のQAシステムにとって最も難しいものです。 知識抽出フレームワーク(MurKe)を用いた多段階推論を提案する。 市販の事前訓練モデルを完全に活用しようと努力しています。
  論文  参考訳（メタデータ） (2020-08-06T02:47:46Z)
• A Survey on Complex Question Answering over Knowledge Base: Recent Advances and Challenges [71.4531144086568]
  知識ベース(KB)に対する質問回答(QA)は、自然言語の質問に自動的に答えることを目的としている。 研究者は、よりKBのトリプルと制約推論を必要とする単純な質問から複雑な質問へと注意を移した。
  論文  参考訳（メタデータ） (2020-07-26T07:13:32Z)
• Unsupervised Question Decomposition for Question Answering [102.56966847404287]
  本論文では, ワンツーNアン教師付きシーケンスシーケンス(ONUS)のアルゴリズムを提案する。 当初,ドメイン外,マルチホップ開発セットのベースラインが強かったため,HotpotQAでは大きなQA改善が見られた。
  論文  参考訳（メタデータ） (2020-02-22T19:40:35Z)

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。