論文の概要: Linking Health News to Research Literature
- arxiv url: http://arxiv.org/abs/2107.06472v1
- Date: Wed, 14 Jul 2021 03:50:51 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-15 14:13:54.486880
- Title: Linking Health News to Research Literature
- Title（参考訳）: 健康ニュースと研究文献のリンク
- Authors: Jun Wang, Bei Yu
- Abstract要約: ニュース記事と科学研究を正確に関連付けることは、多くの応用において重要な要素である。
ニュースと文学の結びつきの欠如はこれらの応用において課題となっているが、これは比較的未解明の研究問題である。
- 参考スコア（独自算出の注目度）: 12.80865601729801
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Accurately linking news articles to scientific research works is a critical
component in a number of applications, such as measuring the social impact of a
research work and detecting inaccuracies or distortions in science news.
Although the lack of links between news and literature has been a challenge in
these applications, it is a relatively unexplored research problem. In this
paper we designed and evaluated a new approach that consists of (1) augmenting
latest named-entity recognition techniques to extract various metadata, and (2)
designing a new elastic search engine that can facilitate the use of enriched
metadata queries. To evaluate our approach, we constructed two datasets of
paired news articles and research papers: one is used for training models to
extract metadata, and the other for evaluation. Our experiments showed that the
new approach performed significantly better than a baseline approach used by
altmetric.com (0.89 vs 0.32 in terms of top-1 accuracy). To further demonstrate
the effectiveness of the approach, we also conducted a study on 37,600
health-related press releases published on EurekAlert!, which showed that our
approach was able to identify the corresponding research papers with a top-1
accuracy of at least 0.97.
- Abstract（参考訳）: ニュース記事と科学研究の正確なリンクは、研究作業の社会的影響の測定や、科学ニュースにおける不正確性や歪みの検出など、多くの応用において重要な要素である。
ニュースと文学の結びつきの欠如はこれらの応用において課題となっているが、比較的未解明の研究課題である。
本稿では, (1) メタデータ抽出のための最新の名前付きエンティティ認識手法の強化, (2) 拡張されたメタデータクエリの利用を容易にする新しい弾性検索エンジンの設計, からなる新しいアプローチを設計, 評価した。
提案手法を評価するために,2つの組み合わせのニュース記事と研究論文のデータセットを構築し,その1つはメタデータ抽出のためのトレーニングモデル,もう1つは評価のためのトレーニングモデルを構築した。
実験の結果,新しい手法はaltmetric.comのベースラインアプローチ(トップ1の精度では0.89対0.32)よりも有意に優れていた。
EurekAlert!で公表された37,600件の健康関連プレスリリースについても,本手法の有効性を実証するため,少なくとも0.97件のTop-1精度で対応する研究論文を同定することができた。
関連論文リスト
- Multi-objective Representation for Numbers in Clinical Narratives Using CamemBERT-bio [0.9208007322096533]
本研究の目的は,医学文献から抽出した数値を7つの生理カテゴリーに分類することである。
キーワード埋め込みをモデルに統合し、数に依存しない戦略を採用する、という2つの主要なイノベーションを紹介します。
従来のF1スコア0.89を上回り,CamemBERT-bioの有効性を著しく改善した。
論文 参考訳（メタデータ） (2024-05-28T01:15:21Z) - Investigating Persuasion Techniques in Arabic: An Empirical Study Leveraging Large Language Models [0.13980986259786224]
本稿では、アラビアのソーシャルメディアコンテンツにおける説得的手法の同定に焦点をあてた総合的な実証的研究について述べる。
我々は、プレトレーニング言語モデル(PLM)を利用し、ArAlEvalデータセットを活用する。
本研究では,PLMの力を活用した3つの学習手法について検討した。
論文 参考訳（メタデータ） (2024-05-21T15:55:09Z) - Application of Transformers based methods in Electronic Medical Records:
A Systematic Literature Review [77.34726150561087]
本研究は,異なるNLPタスクにおける電子カルテ(EMR)のトランスフォーマーに基づく手法を用いて,最先端技術に関する体系的な文献レビューを行う。
論文 参考訳（メタデータ） (2023-04-05T22:19:42Z) - Tag-Aware Document Representation for Research Paper Recommendation [68.8204255655161]
本稿では,ユーザによって割り当てられたソーシャルタグに基づいて,研究論文の深い意味表現を活用するハイブリッドアプローチを提案する。
提案手法は,評価データが極めて少ない場合でも研究論文の推薦に有効である。
論文 参考訳（メタデータ） (2022-09-08T09:13:07Z) - Research Trends and Applications of Data Augmentation Algorithms [77.34726150561087]
我々は,データ拡張アルゴリズムの適用分野,使用するアルゴリズムの種類,重要な研究動向,時間経過に伴う研究の進展,およびデータ拡張文学における研究ギャップを同定する。
我々は、読者がデータ拡張の可能性を理解し、将来の研究方向を特定し、データ拡張研究の中で質問を開くことを期待する。
論文 参考訳（メタデータ） (2022-07-18T11:38:32Z) - SciLander: Mapping the Scientific News Landscape [8.504643390943409]
本稿では,SciLanderについて紹介する。SciLanderは,科学に基づくトピックに関するニュースソースの表現を学習する手法である。
我々は,2020年のパンデミック開始から18ヶ月の期間にわたって,500件の情報源から100万件近いニュース記事を含む,新たな新型コロナウイルスデータセットについて評価を行った。
論文 参考訳（メタデータ） (2022-05-16T20:20:43Z) - FPSRS: A Fusion Approach for Paper Submission Recommendation System [0.0]
本稿では,科学論文を推薦する2つの新しいアプローチを提案する。
最初のアプローチでは、Conv1D以外にもRNN構造を採用している。
また,DistilBertAimsという新しい手法を導入し,大文字小文字と小文字小文字の2例にDistillBertを用いて, Title, Abstract, Keywordsなどの特徴をベクトル化する。
実験の結果、第2のアプローチはパフォーマンスが向上し、62.46%、12.44%が従来の研究よりも高いことがわかった。
論文 参考訳（メタデータ） (2022-05-12T09:06:56Z) - CitationIE: Leveraging the Citation Graph for Scientific Information
Extraction [89.33938657493765]
引用論文と引用論文の参照リンクの引用グラフを使用する。
最先端技術に対するエンド・ツー・エンドの情報抽出の大幅な改善を観察する。
論文 参考訳（メタデータ） (2021-06-03T03:00:12Z) - What's New? Summarizing Contributions in Scientific Literature [85.95906677964815]
本稿では,論文のコントリビューションと作業状況について,個別の要約を生成するために,論文要約のアンタングル化という新たなタスクを導入する。
本稿では,学術論文のS2ORCコーパスを拡張し,コントリビューション・コントリビューション・コントリビューション・レファレンス・ラベルを付加する。
本稿では, 生成した出力の関連性, 新規性, 絡み合いを報告する総合的自動評価プロトコルを提案する。
論文 参考訳（メタデータ） (2020-11-06T02:23:01Z) - Opportunities and Challenges of Deep Learning Methods for
Electrocardiogram Data: A Systematic Review [62.490310870300746]
心電図(Electrocardiogram、ECG)は、医学および医療において最も一般的に用いられる診断ツールの1つである。
深層学習法は心電図信号を用いた予測医療タスクにおいて有望な結果を得た。
本稿では、モデリングとアプリケーションの観点から、ECGデータに対するディープラーニング手法の体系的なレビューを行う。
論文 参考訳（メタデータ） (2019-12-28T02:44:29Z)
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。