論文の概要: Automated Meta-Analysis: A Causal Learning Perspective

• arxiv url: http://arxiv.org/abs/2104.04633v1
• Date: Fri, 9 Apr 2021 23:07:07 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-04 07:25:03.706523
• Title: Automated Meta-Analysis: A Causal Learning Perspective
• Title（参考訳）: 自動メタ分析:因果学習の視点
• Authors: Lu Cheng, Dmitriy A. Katz-Rogozhnikov, Kush R. Varshney, Ioana Baldini
• Abstract要約: 我々は、偏見のリスクを制御することに集中して、メタ分析の自動化に取り組んでいます。 まず、自然言語で書かれた科学論文から情報を抽出する。 新たな因果学習の観点から,マルチ因果推論問題としてメタアナリシスの自動化を提案する。
• 参考スコア（独自算出の注目度）: 30.746257517698133
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Meta-analysis is a systematic approach for understanding a phenomenon by analyzing the results of many previously published experimental studies. It is central to deriving conclusions about the summary effect of treatments and interventions in medicine, poverty alleviation, and other applications with social impact. Unfortunately, meta-analysis involves great human effort, rendering a process that is extremely inefficient and vulnerable to human bias. To overcome these issues, we work toward automating meta-analysis with a focus on controlling for risks of bias. In particular, we first extract information from scientific publications written in natural language. From a novel causal learning perspective, we then propose to frame automated meta-analysis -- based on the input of the first step -- as a multiple-causal-inference problem where the summary effect is obtained through intervention. Built upon existing efforts for automating the initial steps of meta-analysis, the proposed approach achieves the goal of automated meta-analysis and largely reduces the human effort involved. Evaluations on synthetic and semi-synthetic datasets show that this approach can yield promising results.
• Abstract（参考訳）: メタアナリシス(meta- analysis)は、以前に発表された多くの実験的研究の結果を分析して現象を理解するための体系的なアプローチである。 医療における治療と介入、貧困軽減、その他の社会的影響を伴う応用の要約効果に関する結論を導き出すことが中心である。 残念ながら、メタ分析には大きな人間の努力が伴い、非常に非効率で人間のバイアスに弱いプロセスを作ります。 これらの問題を克服するために,我々はバイアスのリスクの制御に焦点をあてたメタ分析の自動化に取り組んでいる。 特に、自然言語で書かれた科学論文から、まず情報を抽出する。 次に,新しい因果学習の観点から,第1段階の入力に基づく自動メタ分析を,介入によって要約効果が得られるマルチカウサル推論問題として構成することを提案する。 メタ分析の最初のステップを自動化する既存の取り組みに基づいて構築されたこのアプローチは、自動メタ分析の目標を達成し、人間の労力を大幅に削減する。 合成および半合成データセットの評価は、このアプローチが有望な結果をもたらすことを示す。

関連論文リスト

• Empowering Meta-Analysis: Leveraging Large Language Models for Scientific Synthesis [7.059964549363294]
  本研究では,大規模言語モデル(LLM)を用いた科学文献におけるメタアナリシスの自動化について検討する。 ビッグデータ処理と構造化データ抽出の課題に対処するため,LLMを広範囲の科学的データセットに微調整する新たなアプローチを提案する。
  論文  参考訳（メタデータ） (2024-11-16T20:18:57Z)
• Meta-Analysis with Untrusted Data [14.28797726638936]
  メタアナリシスに2つの変更を加えることで、因果的疑問にもっと正確に答える方法を示す。 まず,大規模観測データベースから引き出された信頼できないデータを組み込む。 第二に、不均一な試行を扱うことができるよりリッチなモデルを訓練する。
  論文  参考訳（メタデータ） (2024-07-12T16:07:53Z)
• Reduced-Rank Multi-objective Policy Learning and Optimization [57.978477569678844]
  実際には、因果研究者は先験を念頭において1つの結果を持っていない。 政府支援の社会福祉プログラムでは、政策立案者は貧困の多次元的性質を理解するために多くの成果を集めている。 本稿では、最適政策学習の文脈において、複数の結果に対するデータ駆動型次元性推論手法を提案する。
  論文  参考訳（メタデータ） (2024-04-29T08:16:30Z)
• Uncertainty in Automated Ontology Matching: Lessons Learned from an Empirical Experimentation [6.491645162078057]
  オントロジは、相互運用によるデータセットのリンクとセマンティック統合において重要な役割を果たす。 本稿では、オントロジーマッチングに基づく手法を用いて、アプリケーションの観点からデータ統合にアプローチする。
  論文  参考訳（メタデータ） (2023-10-18T05:42:51Z)
• Bias and Fairness in Large Language Models: A Survey [73.87651986156006]
  本稿では,大規模言語モデル(LLM)のバイアス評価と緩和手法に関する総合的な調査を行う。 まず、自然言語処理における社会的偏見と公平性の概念を統合し、形式化し、拡張する。 次に,3つの直感的な2つのバイアス評価法と1つの緩和法を提案し,文献を統一する。
  論文  参考訳（メタデータ） (2023-09-02T00:32:55Z)
• Leveraging Domain Knowledge for Inclusive and Bias-aware Humanitarian Response Entry Classification [3.824858358548714]
  我々は人道的データ分析のための効果的かつ倫理的なシステムの提供を目指している。 人道分析フレームワークに適応した新しいアーキテクチャを導入する。 我々はまた、測定とバイアスの体系的な方法を提案する。
  論文  参考訳（メタデータ） (2023-05-26T09:15:05Z)
• Causal Intervention Improves Implicit Sentiment Analysis [67.43379729099121]
  インスツルメンタル・バリアブル(ISAIV)を用いたインシシット・センシティメント分析のための因果介入モデルを提案する。 まず、因果的視点から感情分析をレビューし、このタスクに存在する共同設立者を分析する。 そこで本研究では,文章と感情の因果関係を解消し,純粋因果関係を抽出するインストゥルメンタル変数を提案する。
  論文  参考訳（メタデータ） (2022-08-19T13:17:57Z)
• Counterfactual Reasoning for Out-of-distribution Multimodal Sentiment Analysis [56.84237932819403]
  本稿では,OODの高次一般化に対するテキストモダリティの悪影響を推定・緩和することを目的とする。 そこで本研究では,マルチモーダル感情分析のためのモデルに依存しない反現実的フレームワークを考案した。
  論文  参考訳（メタデータ） (2022-07-24T03:57:40Z)
• Co-Located Human-Human Interaction Analysis using Nonverbal Cues: A Survey [71.43956423427397]
  本研究の目的は,非言語的キューと計算手法を同定し,効果的な性能を実現することである。 この調査は、最も広い範囲の社会現象と相互作用設定を巻き込むことによって、相手と異なる。 もっともよく使われる非言語キュー、計算方法、相互作用環境、センシングアプローチは、それぞれマイクとカメラを備えた3,4人で構成される会話活動、ベクターマシンのサポート、ミーティングである。
  論文  参考訳（メタデータ） (2022-07-20T13:37:57Z)
• Towards Automatic Evaluation of Dialog Systems: A Model-Free Off-Policy Evaluation Approach [84.02388020258141]
  強化学習におけるオフポリシ評価に基づく人間評価スコア推定のための新しいフレームワークであるENIGMAを提案する。 ENIGMAはいくつかの事前収集された経験データしか必要としないため、評価中にターゲットポリシーとのヒューマンインタラクションは不要である。 実験の結果,ENIGMAは人間の評価スコアと相関して既存手法よりも有意に優れていた。
  論文  参考訳（メタデータ） (2021-02-20T03:29:20Z)
• Extracting actionable information from microtexts [0.0]
  本論文では,動作可能な情報を抽出する半自動手法を提案する。 ドメイン内シナリオとクロスドメインシナリオの両方において、イベントの予測が可能であることを示す。 本稿では,機械学習に基づく関連情報分類手法とルールベースの情報分類手法を統合し,マイクロテキストを分類する手法を提案する。
  論文  参考訳（メタデータ） (2020-08-01T21:22:53Z)

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。