論文の概要: Incorporating Domain Knowledge into Health Recommender Systems using Hyperbolic Embeddings

• arxiv url: http://arxiv.org/abs/2106.07720v1
• Date: Mon, 14 Jun 2021 19:33:37 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-17 09:31:30.113642
• Title: Incorporating Domain Knowledge into Health Recommender Systems using Hyperbolic Embeddings
• Title（参考訳）: 双曲的埋め込みを用いた健康レコメンデーションシステムへのドメイン知識の導入
• Authors: Joel Peito, Qiwei Han
• Abstract要約: 本研究は,患者の健康状態に基づいたプライマリケアにおける患者と医師のマッチングのためのコンテンツベースのレコメンデーションシステムを提案する。 提案手法は,推薦精度において従来のモデルよりも優れており,ビジネス上の重要な意味を持つ。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In contrast to many other domains, recommender systems in health services may benefit particularly from the incorporation of health domain knowledge, as it helps to provide meaningful and personalised recommendations catering to the individual's health needs. With recent advances in representation learning enabling the hierarchical embedding of health knowledge into the hyperbolic Poincare space, this work proposes a content-based recommender system for patient-doctor matchmaking in primary care based on patients' health profiles, enriched by pre-trained Poincare embeddings of the ICD-9 codes through transfer learning. The proposed model outperforms its conventional counterpart in terms of recommendation accuracy and has several important business implications for improving the patient-doctor relationship.
• Abstract（参考訳）: 他の多くの領域とは対照的に、健康サービスにおけるレコメンダシステムは、個人の健康ニーズに対応する有意義でパーソナライズされたレコメンデーションを提供するのに役立つため、特に健康ドメイン知識の編入から恩恵を受ける可能性がある。 近年,双曲型poincare空間への健康知識の階層的埋め込みを可能にする表現学習の進歩に伴い,トランスファー学習によるicd-9符号の事前学習により強化された患者の健康プロファイルに基づくプライマリケアにおける患者と医師とのマッチングのためのコンテンツベースレコメンダシステムを提案する。 提案モデルは,推奨精度の観点から従来のモデルよりも優れており,患者と医師の関係を改善する上で重要なビジネス上の意味を持つ。

関連論文リスト

• RuleAlign: Making Large Language Models Better Physicians with Diagnostic Rule Alignment [54.91736546490813]
  本稿では,大規模言語モデルと特定の診断規則との整合性を考慮したルールアラインフレームワークを提案する。 患者と医師間の規則に基づくコミュニケーションを含む医療対話データセットを開発した。 実験の結果,提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2024-08-22T17:44:40Z)
• ConPro: Learning Severity Representation for Medical Images using Contrastive Learning and Preference Optimization [30.31270613973337]
  本稿では,医療画像における重度評価のための表現学習手法であるCon-PrOを提案する。 提案する表現学習フレームワークは,機能領域において重要な重大度順序付けを提供する。 また、重症度指標と医療領域における嗜好比較の適用性についても検討した。
  論文  参考訳（メタデータ） (2024-04-29T16:16:42Z)
• Leave No Patient Behind: Enhancing Medication Recommendation for Rare Disease Patients [47.68396964741116]
  本稿では,レアな疾患の正確性を高めるために,ロバストとメディケーションのための高精度勧告(RAREMed)と呼ばれる新しいモデルを提案する。 入力シーケンスを統一したトランスフォーマーエンコーダを使用して、疾患と手続きコードの間の複雑な関係をキャプチャする。 稀な疾患と一般的な疾患の両方に対して正確な薬物セットを提供し、薬の推奨システムにおける不公平を緩和する。
  論文  参考訳（メタデータ） (2024-03-26T14:36:22Z)
• Patient-Centric Knowledge Graphs: A Survey of Current Methods, Challenges, and Applications [2.913761513290171]
  患者中心知識グラフ(PCKG)は、個別の患者ケアに焦点を当てた医療における重要なシフトである。 PCKGは様々な種類の健康データを統合し、患者の健康を包括的に理解する医療専門家に提供します。 本稿はPCKGに関する方法論,課題,機会について概説する。
  論文  参考訳（メタデータ） (2024-02-20T00:07:55Z)
• Evaluating Embeddings for One-Shot Classification of Doctor-AI Consultations [44.756632264140656]
  本研究では、最先端の埋め込みとワンショット分類システムを用いて、博士書きとAI生成のテキストをどのように分類するかを検討する。 我々は,単語の袋,文字n-gram,Word2Vec,GloVe,fastText,GPT2の埋め込みなどの埋め込みを解析する。 その結果、埋め込みはテキストからセマンティックな特徴を信頼性と適応性でキャプチャできることがわかった。
  論文  参考訳（メタデータ） (2024-02-06T22:24:56Z)
• A Survey on Fairness-aware Recommender Systems [59.23208133653637]
  本稿では,様々なレコメンデーションシナリオにおいてフェアネスの概念を提示し,現在の進歩を包括的に分類し,レコメンデーションシステムのさまざまな段階におけるフェアネスを促進するための典型的な手法を紹介する。 次に、フェアネスを意識したレコメンデーションシステムが実業界における産業応用に与える影響について検討する。
  論文  参考訳（メタデータ） (2023-06-01T07:08:22Z)
• Integrating Machine Learning with Discrete Event Simulation for Improving Health Referral Processing in a Care Management Setting [0.0]
  退院後のケアマネジメントは患者の紹介を調整し、健康を改善します。 本研究は、健康状態の改善と関連するコストの削減における、ポストディスチャージケアマネジメントの役割を強調する。
  論文  参考訳（メタデータ） (2022-06-25T04:42:52Z)
• Recommending best course of treatment based on similarities of prognostic markers [0.9176056742068814]
  本稿では,医療分野における協調フィルタリングに基づくレコメンデーションシステムを提案する。 提案システムでは、患者の予後マーカーを入力として受け入れ、最良の治療コースを生成する。
  論文  参考訳（メタデータ） (2021-07-15T17:52:12Z)
• Privacy-preserving medical image analysis [53.4844489668116]
  医用画像におけるプライバシ保護機械学習(PPML)のためのソフトウェアフレームワークであるPriMIAを提案する。 集合型学習モデルの分類性能は,未発見データセットの人間専門家と比較して有意に良好である。 グラデーションベースのモデル反転攻撃に対するフレームワークのセキュリティを実証的に評価する。
  論文  参考訳（メタデータ） (2020-12-10T13:56:00Z)
• Knowledge Transfer via Pre-training for Recommendation: A Review and Prospect [89.91745908462417]
  実験による推薦システムに対する事前学習の利点を示す。 事前学習を伴うレコメンデータシステムの今後の研究に向けて,いくつかの将来的な方向性について論じる。
  論文  参考訳（メタデータ） (2020-09-19T13:06:27Z)
• Spoiled for Choice? Personalized Recommendation for Healthcare Decisions: A Multi-Armed Bandit Approach [1.6058099298620423]
  本稿では,医療介入の選択を支援するレコメンデーションフレームワークを提案する。 ユーザの健康行動が極めてダイナミックで多様なものであることを考慮し,マルチアーム・バンディット(MAB)によるレコメンデーションフレームワークを提案する。 そこで我々は、MABを医療の文脈に適応させるために、2つの革新的なモデル要素を顕著な健康理論に基づいて合成する。
  論文  参考訳（メタデータ） (2020-09-13T22:55:59Z)

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。