論文の概要: STEP-EZ: Syntax Tree guided semantic ExPlanation for Explainable
Zero-shot modeling of clinical depression symptoms from text
- arxiv url: http://arxiv.org/abs/2106.10928v1
- Date: Mon, 21 Jun 2021 08:57:22 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-23 00:14:52.860653
- Title: STEP-EZ: Syntax Tree guided semantic ExPlanation for Explainable
Zero-shot modeling of clinical depression symptoms from text
- Title（参考訳）: STEP-EZ:Syntax Tree Guided semantic ExPlanation for Explainable Zero-shot Modeling of Clinical depression symptoms from text
- Authors: Nawshad Farruque, Randy Goebel, Osmar Zaiane, Sudhakar Sivapalan
- Abstract要約: 我々は,ZSL(Zero-Shot Learning)の様々なアプローチと,データ不足のトレーニングで有名な,重要な教師付き学習課題の説明可能性に焦点をあてる。
この研究は、私たちの知る限り、抑うつ検出症状に対するZSLモデルの有効性を徹底的に探求する最初の成果である。
- 参考スコア（独自算出の注目度）: 0.8924669503280335
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We focus on exploring various approaches of Zero-Shot Learning (ZSL) and
their explainability for a challenging yet important supervised learning task
notorious for training data scarcity, i.e. Depression Symptoms Detection (DSD)
from text. We start with a comprehensive synthesis of different components of
our ZSL modeling and analysis of our ground truth samples and Depression
symptom clues curation process with the help of a practicing clinician. We next
analyze the accuracy of various state-of-the-art ZSL models and their potential
enhancements for our task. Further, we sketch a framework for the use of ZSL
for hierarchical text-based explanation mechanism, which we call, Syntax
Tree-Guided Semantic Explanation (STEP). Finally, we summarize experiments from
which we conclude that we can use ZSL models and achieve reasonable accuracy
and explainability, measured by a proposed Explainability Index (EI). This work
is, to our knowledge, the first work to exhaustively explore the efficacy of
ZSL models for DSD task, both in terms of accuracy and explainability.
- Abstract（参考訳）: 我々は,ZSL(Zero-Shot Learning)の様々なアプローチと,データ不足のトレーニングで有名な,重要な教師付き学習課題の説明可能性に焦点をあてる。
Depression Symptoms Detection (DSD) from text (英語)
まず、ZSLモデリングの様々な構成要素の総合的な合成と、臨床医の助けを借りて、地上の真理サンプルの分析と抑うつ症状の手がかりのキュレーションプロセスから始める。
次に、様々な最先端ZSLモデルの精度と、タスクの潜在的な拡張について分析する。
さらに,ZSLを階層的テキストベース説明機構に用いるためのフレームワークをスケッチし,Syntax Tree-Guided Semantic Explanation (STEP) と呼ぶ。
最後に,提案する説明可能性指標(ei)を用いて,zslモデルを用いて合理的な正確性と説明可能性を達成する実験をまとめる。
この研究は、我々の知る限り、DSDタスクにおけるZSLモデルの有効性を、精度と説明可能性の両方の観点から徹底的に探求する最初の成果である。
関連論文リスト
- A Methodology for Explainable Large Language Models with Integrated Gradients and Linguistic Analysis in Text Classification [2.556395214262035]
アルツハイマー病(AD)のような発声に影響を及ぼす神経疾患は、患者と介護者の生活に大きな影響を及ぼす。
近年のLarge Language Model (LLM) アーキテクチャの進歩は、自然発声による神経疾患の代表的特徴を識別する多くのツールを開発した。
本稿では,ADに代表される語彙成分を識別できるSLIME法を提案する。
論文 参考訳（メタデータ） (2024-09-30T21:45:02Z) - TE-SSL: Time and Event-aware Self Supervised Learning for Alzheimer's Disease Progression Analysis [6.6584447062231895]
アルツハイマー認知症(Alzheimer's Dementia、AD)は、神経変性疾患の分野で最も急激な課題の一つである。
近年の深層学習の進歩と、自己教師付き学習(SSL)を含む様々な表現学習戦略は、医用画像解析の強化に大きく貢献している。
本稿では,タイム・アンド・イブ・アウェア・SSL(TE-SSL)という新たなフレームワークを提案する。
論文 参考訳（メタデータ） (2024-07-09T13:41:32Z) - Self-Supervised Embeddings for Detecting Individual Symptoms of Depression [18.43207977841643]
世界の数百万人に影響を及ぼす精神疾患であるうつ病は、信頼できるアセスメントシステムを必要としている。
我々は、自己教師付き学習(SSL)ベースの音声モデルを利用して、このタスクで頻繁に遭遇する小さなデータセットをよりよく活用する。
抑うつ症状を効果的に識別するためのマルチタスク学習の重要性を示す。
論文 参考訳（メタデータ） (2024-06-25T02:35:37Z) - OPTiML: Dense Semantic Invariance Using Optimal Transport for Self-Supervised Medical Image Representation [6.4136876268620115]
自己教師付き学習(SSL)は、アノテーションなしで学習できることから、医用画像解析の有望な技術として登場した。
本稿では, 最適トランスポート(OT)を用いたSSLフレームワークOPTiMLを導入し, 密接なセマンティック不変性と細粒度の詳細を捉える。
実験の結果,OPTiMLはすべての評価課題において最先端の手法よりも優れていることがわかった。
論文 参考訳（メタデータ） (2024-04-18T02:59:48Z) - Exploring the Task-agnostic Trait of Self-supervised Learning in the Context of Detecting Mental Disorders [2.314534951601432]
自己教師付き学習(SSL)は、様々な領域にまたがるタスクに依存しない表現を生成するために研究されている。
この研究では、複数の固定されたターゲットまたはマスクされたフレームを予測することでトレーニングされたSSLモデルを採用する。
本稿では,MDDおよびPTSDの検出において,生成した表現をより効率的にするための固定目標のリストを提案する。
論文 参考訳（メタデータ） (2024-03-22T12:46:58Z) - What Sketch Explainability Really Means for Downstream Tasks [121.85845328822641]
我々は、人間の脳卒中の影響を強く強調し、説明可能性のためのスケッチの独特なモダリティを探求する。
我々は軽量でポータブルな説明可能性ソリューションを提案します -- 事前訓練されたモデルとシームレスに統合するプラグインです。
論文 参考訳（メタデータ） (2024-03-14T15:22:33Z) - Injecting linguistic knowledge into BERT for Dialogue State Tracking [60.42231674887294]
本稿では,教師なしの枠組みを用いて言語知識を抽出する手法を提案する。
次に、この知識を用いて、対話状態追跡(DST)タスクにおけるBERTの性能と解釈可能性を高める。
このフレームワークを様々なDSTタスクでベンチマークし、精度の顕著な改善を観察する。
論文 参考訳（メタデータ） (2023-11-27T08:38:42Z) - Self-Verification Improves Few-Shot Clinical Information Extraction [73.6905567014859]
大規模言語モデル (LLMs) は、数発のテキスト内学習を通じて臨床キュレーションを加速する可能性を示している。
正確性や解釈可能性に関する問題、特に健康のようなミッションクリティカルな領域ではまだ苦戦している。
本稿では,自己検証を用いた汎用的な緩和フレームワークについて検討する。このフレームワークはLLMを利用して,自己抽出のための証明を提供し,その出力をチェックする。
論文 参考訳（メタデータ） (2023-05-30T22:05:11Z) - KNSE: A Knowledge-aware Natural Language Inference Framework for
Dialogue Symptom Status Recognition [69.78432481474572]
症状状態認識(SSR)のための新しいフレームワークKNSEを提案する。
対話ウィンドウ内の各症状について、まず、症状の状態に関する症状と仮説に関する知識を生成し、(前提、知識、仮説)三重項を形成する。
次にBERTモデルを使用して三重項を符号化し、さらに発話アグリゲーション、自己アテンション、横断アテンション、GRUなどのモジュールで処理して症状状態を予測する。
論文 参考訳（メタデータ） (2023-05-26T11:23:26Z) - Neuro-Symbolic Causal Language Planning with Commonsense Prompting [67.06667162430118]
言語プランニングは、より単純な低レベルステップに分解することで、複雑な高レベルな目標を実装することを目的としている。
以前の手法では、大規模な言語モデルからそのような能力を得るために、手動の例えか注釈付きプログラムが必要である。
本稿では,LLMからの手続き的知識をコモンセンス・インフュージョン・プロンプトにより引き起こすニューロシンボリック因果言語プランナー(CLAP)を提案する。
論文 参考訳（メタデータ） (2022-06-06T22:09:52Z) - On Data-Augmentation and Consistency-Based Semi-Supervised Learning [77.57285768500225]
最近提案された整合性に基づく半教師付き学習(SSL)手法は,複数のSSLタスクにおいて最先端技術である。
これらの進歩にもかかわらず、これらの手法の理解はまだ比較的限られている。
論文 参考訳（メタデータ） (2021-01-18T10:12:31Z)
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。