論文の概要: A Search Engine for Discovery of Biomedical Challenges and Directions
- arxiv url: http://arxiv.org/abs/2108.13751v1
- Date: Tue, 31 Aug 2021 11:08:20 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-01 14:25:17.043463
- Title: A Search Engine for Discovery of Biomedical Challenges and Directions
- Title（参考訳）: バイオメディカルチャレンジと方向性の発見のための検索エンジン
- Authors: Dan Lahav, Jon Saad Falcon, Bailey Kuehl, Sophie Johnson, Sravanthi
Parasa, Noam Shomron, Duen Horng Chau, Diyi Yang, Eric Horvitz, Daniel S.
Weld and Tom Hope
- Abstract要約: フル長の論文から抽出したテキストの注釈付きコーパスを構築し,リリースする。
新型コロナウイルスのパンデミックに関連する学際的な作業の大規模なコーパスに焦点を当てる。
我々は、データに基づいてトレーニングされたモデルを適用して、コーパス全体の課題と方向性を特定し、この情報のための専用の検索エンジンを構築します。
- 参考スコア（独自算出の注目度）: 38.72769142277108
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The ability to keep track of scientific challenges, advances and emerging
directions is a fundamental part of research. However, researchers face a flood
of papers that hinders discovery of important knowledge. In biomedicine, this
directly impacts human lives. To address this problem, we present a novel task
of extraction and search of scientific challenges and directions, to facilitate
rapid knowledge discovery. We construct and release an expert-annotated corpus
of texts sampled from full-length papers, labeled with novel semantic
categories that generalize across many types of challenges and directions. We
focus on a large corpus of interdisciplinary work relating to the COVID-19
pandemic, ranging from biomedicine to areas such as AI and economics. We apply
a model trained on our data to identify challenges and directions across the
corpus and build a dedicated search engine for this information. In studies
with researchers, including those working directly on COVID-19, we outperform a
popular scientific search engine in assisting knowledge discovery. Finally, we
show that models trained on our resource generalize to the wider biomedical
domain, highlighting its broad utility. We make our data, model and search
engine publicly available. https://challenges.apps.allenai.org
- Abstract（参考訳）: 科学的課題や進歩、新たな方向性を追跡する能力は、研究の基本的な部分である。
しかし、研究者は重要な知識の発見を妨げる大量の論文に直面している。
バイオメディシンでは、これは人間の生活に直接影響する。
そこで本研究では,科学的課題と方向性の抽出と探索という新しい課題を提示し,知識発見の迅速化を図る。
我々は,様々な種類の課題や方向性にまたがる新しい意味カテゴリーをラベル付けした,専門的な注釈付きテキストコーパスを構築し,公開する。
我々は、バイオメディシンからAIや経済学などの分野まで、COVID-19パンデミックに関連する学際的作業の大規模なコーパスに焦点を当てる。
データにトレーニングされたモデルを適用して、コーパス全体の課題や方向を特定し、この情報のための専用の検索エンジンを構築します。
新型コロナウイルスを直接研究する研究者を含む研究者との研究では、知識発見を支援するために人気のある科学検索エンジンを上回っています。
最後に、我々の資源で訓練されたモデルがより広いバイオメディカル領域に一般化し、その幅広い実用性を強調していることを示す。
データ、モデル、検索エンジンを公開しています。
https://challenges.apps.allenai.org
関連論文リスト
- DISCOVERYWORLD: A Virtual Environment for Developing and Evaluating Automated Scientific Discovery Agents [49.74065769505137]
本研究では,新しい科学的発見の完全なサイクルを実行するエージェントの能力を開発し,ベンチマークする最初の仮想環境であるDiscoVERYWORLDを紹介する。
8つのトピックにまたがる120の異なる課題タスクが含まれており、3レベルの難易度といくつかのパラメトリックなバリエーションがある。
従来の環境においてよく機能する強力なベースラインエージェントが、ほとんどのdiscoVERYWORLDタスクに苦労していることがわかった。
論文 参考訳（メタデータ） (2024-06-10T20:08:44Z) - PubMed and Beyond: Biomedical Literature Search in the Age of Artificial
Intelligence [6.10182662240717]
文献検索は 臨床と生物医学の研究において 事前の知識に基づく 重要なツールです
人工知能の最近の進歩は、キーワードベースの検索を超えて機能を拡張している。
本稿では,生物医学における一般情報と特定情報の両方に合わせた文献検索ツールについて紹介する。
論文 参考訳（メタデータ） (2023-07-18T23:35:53Z) - How Data Scientists Review the Scholarly Literature [4.406926847270567]
データサイエンティストの文献レビューの実践について検討する。
データサイエンスは、論文の指数的な増加を示す分野である。
これらの科学者が直面する具体的な実践や課題について、事前の研究は行われていない。
論文 参考訳（メタデータ） (2023-01-10T03:53:05Z) - Discovering Drug-Target Interaction Knowledge from Biomedical Literature [107.98712673387031]
人体における薬物と標的(DTI)の相互作用は、生物医学や応用において重要な役割を担っている。
毎年何百万もの論文がバイオメディカル分野で出回っているので、文学からDTIの知識を自動的に発見することは、業界にとって急激な需要となっている。
生成的アプローチを用いて,この課題に対する最初のエンドツーエンドソリューションについて検討する。
我々はDTI三重項をシーケンスとみなし、Transformerベースのモデルを使ってエンティティや関係の詳細なアノテーションを使わずに直接生成する。
論文 参考訳（メタデータ） (2021-09-27T17:00:14Z) - A Search Engine for Scientific Publications: a Cybersecurity Case Study [0.7734726150561086]
本研究は,情報検索と読解アルゴリズムを組み合わせた科学出版のための新しい検索エンジンを提案する。
提案手法は,サイバーセキュリティの文脈に適用されているものの,高度な一般化能力を示し,他の異なる知識領域の下で容易に適用可能である。
論文 参考訳（メタデータ） (2021-06-30T20:10:04Z) - Domain-Specific Pretraining for Vertical Search: Case Study on
Biomedical Literature [67.4680600632232]
自己教師型学習は、アノテーションのボトルネックを克服するための有望な方向として現れました。
本稿では,ドメイン固有の事前学習に基づく垂直探索手法を提案する。
我々のシステムはPubMed上で何千万もの記事にスケールでき、Microsoft Biomedical Searchとしてデプロイされている。
論文 参考訳（メタデータ） (2021-06-25T01:02:55Z) - A field guide to cultivating computational biology [1.040598660564506]
バイオメディカルリサーチセンターは、実験や患者からの大規模なデータセットを活用することで、基礎的な発見と治療戦略を強化することができる。
このデータと、それを作成し、分析する新しい技術は、従来の個別の単一分野の研究モデルを超えて、データ駆動の発見の時代を後押ししてきた。
我々は、個々の科学者、機関、雑誌発行者、資金調達機関、教育者に対する解決策を提案する。
論文 参考訳（メタデータ） (2021-04-23T01:24:21Z) - Searching Scientific Literature for Answers on COVID-19 Questions [19.340724359324803]
TREC COVIDのサーチトラックは、科学者、臨床医、政策立案者、その他同様の情報を必要とする人々を支援するための検索ツールの開発を支援することを目的としている。
本稿では,ニューラル検索のための新しい手法を提案し,TREC COVIDサーチの有効性を実証する。
論文 参考訳（メタデータ） (2020-07-06T01:34:25Z) - COVID-19 Literature Knowledge Graph Construction and Drug Repurposing
Report Generation [79.33545724934714]
我々は,学術文献から微細なマルチメディア知識要素を抽出する,新しい包括的知識発見フレームワークであるCOVID-KGを開発した。
我々のフレームワークはまた、証拠として詳細な文脈文、サブフィギュア、知識のサブグラフも提供します。
論文 参考訳（メタデータ） (2020-07-01T16:03:20Z) - Rapidly Deploying a Neural Search Engine for the COVID-19 Open Research
Dataset: Preliminary Thoughts and Lessons Learned [88.42878484408469]
我々は最新のニューラルネットワークランキングアーキテクチャを利用する検索エンジンであるNeural Covidexを紹介する。
本稿では、最初の取り組みについて述べ、その過程で学んだ教訓についていくつか考察する。
論文 参考訳（メタデータ） (2020-04-10T17:12:29Z)
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。