Fugu-MT 論文翻訳(概要): Coreference Resolution for the Biomedical Domain: A Survey

論文の概要: Coreference Resolution for the Biomedical Domain: A Survey

arxiv url: http://arxiv.org/abs/2109.12424v1
Date: Sat, 25 Sep 2021 19:09:47 GMT
ステータス: 処理完了
システム内更新日: 2021-09-30 08:33:44.026493
Title: Coreference Resolution for the Biomedical Domain: A Survey
Title（参考訳）: バイオメディカルドメインの基準分解能に関する調査
Authors: Pengcheng Lu, Massimo Poesio
Abstract要約: バイオメディカル領域におけるコア推論の現状を概観し、最近の研究動向に特に注目する。バイオメディカルジャンルは、ニュースドメインに次いで、コア参照解決のための2番目に研究されたジャンルであり、一般的にNLPに関する多くの研究の対象となっている。
参考スコア（独自算出の注目度）: 8.732165992971545
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Issues with coreference resolution are one of the most frequently mentioned challenges for information extraction from the biomedical literature. Thus, the biomedical genre has long been the second most researched genre for coreference resolution after the news domain, and the subject of a great deal of research for NLP in general. In recent years this interest has grown enormously leading to the development of a number of substantial datasets, of domain-specific contextual language models, and of several architectures. In this paper we review the state-of-the-art of coreference in the biomedical domain with a particular attention on these most recent developments.
Abstract（参考訳）: コア参照の解決に関する問題は、生体医学文献から情報を取り出す上で最も頻繁に言及される課題の1つである。このように、バイオメディカルジャンルは、ニュースドメイン以降、コア参照解決のための2番目に研究されているジャンルであり、一般的にNLPの研究が盛んである。近年、この関心は、多くの重要なデータセット、ドメイン固有の文脈言語モデル、およびいくつかのアーキテクチャの開発に大きく結びついている。本稿では, バイオメディカル領域におけるコア参照の現状を概観し, 最新の研究動向に特に注目する。

関連論文リスト

Ontology-Constrained Generation of Domain-Specific Clinical Summaries [2.5782420501870296]
我々は、関連性を改善しつつ幻覚を低減するために構造化誘導復号法を用いる。医療領域に適用すると,健康記録の要約の可能性を示す。 MIMIC-IIIデータセットの評価は、ドメイン適応要約の生成の改善を示す。
論文参考訳（メタデータ） (2024-11-23T23:05:48Z)
A Textbook Remedy for Domain Shifts: Knowledge Priors for Medical Image Analysis [48.84443450990355]
ディープネットワークは、医学的なスキャンに適用すると、例外のない状況で失敗することが多いため、自然画像の解析において広く成功している。胸部X線や皮膚病変画像の文脈において、異なる病院から採取したデータや、性別、人種などの人口統計学的変数によって構築されたデータなど、ドメインシフトに対するモデル感度に焦点をあてる。医学教育からインスピレーションを得て,自然言語で伝達される明示的な医学知識を基盤としたディープネットワークを提案する。
論文参考訳（メタデータ） (2024-05-23T17:55:02Z)
A Survey on Domain Generalization for Medical Image Analysis [9.410880477358942]
MedIAのドメイン一般化は、未知のデータ分散を効果的に一般化し、堅牢に実行することで、ドメインシフトの課題に対処することを目的としている。医療分野におけるドメインシフトとドメイン一般化の正式な定義を提供し、関連するいくつかの設定について議論する。データ操作レベル,特徴表現レベル,モデルトレーニングレベルという3つの視点から,最近の手法を要約し,いくつかのアルゴリズムを詳細に提示する。
論文参考訳（メタデータ） (2024-02-07T17:08:27Z)
Progress and Opportunities of Foundation Models in Bioinformatics [77.74411726471439]
基礎モデル(FM)は、特に深層学習の領域において、計算生物学の新しい時代に定着した。我々の焦点は、特定の生物学的問題にFMを応用することであり、研究ニーズに適切なFMを選択するために研究コミュニティを指導することを目的としています。データノイズ、モデル説明可能性、潜在的なバイアスなど、生物学においてFMが直面する課題と限界を分析します。
論文参考訳（メタデータ） (2024-02-06T02:29:17Z)
Developing ChatGPT for Biology and Medicine: A Complete Review of Biomedical Question Answering [25.569980942498347]
ChatGPTは、医療診断、治療レコメンデーション、その他の医療支援の提供において、QA(QA)の戦略的青写真を探っている。これは、自然言語処理(NLP)とマルチモーダルパラダイムによる医療領域データの取り込みの増加によって達成される。
論文参考訳（メタデータ） (2024-01-15T07:21:16Z)
LED down the rabbit hole: exploring the potential of global attention for biomedical multi-document summarisation [59.307534363825816]
我々はPRIMERAをバイオメディカル領域に適応させ,重要なバイオメディカルエンティティにグローバルな注意を払っている。結果から得られた23モデルの出力を分析し, 追加のグローバルアテンションの存在に関連する結果のパターンを報告する。
論文参考訳（メタデータ） (2022-09-19T01:13:42Z)
EBOCA: Evidences for BiOmedical Concepts Association Ontology [55.41644538483948]
本論文は,生物医学領域の概念とそれらの関連性を記述するオントロジーであるEBOCAと,それらの関連性を支持するエビデンスを提案する。 DISNETのサブセットから得られるテストデータとテキストからの自動アソシエーション抽出が変換され、実際のシナリオで使用できる知識グラフが作成されるようになった。
論文参考訳（メタデータ） (2022-08-01T18:47:03Z)
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)
Domain Adaptation for Medical Image Analysis: A Survey [28.365579324731247]
医用画像解析で使用される機械学習技術は通常、ソース/参照データとターゲットデータの間の異なる分布に起因するドメインシフト問題に悩まされる。有望なソリューションとして、ドメイン適応は近年大きな注目を集めています。この調査により、研究者は現在の状況や課題をよりよく理解できるようになる。
論文参考訳（メタデータ） (2021-02-18T17:49:08Z)
Low Resource Recognition and Linking of Biomedical Concepts from a Large Ontology [30.324906836652367]
生物医学論文のデータベースで最も有名なPubMedは、これらのアノテーションを追加するために人間のキュレーターに依存しています。提案手法は,従来の認識/リンクとセマンティックインデックスに基づく評価において,UMLSの新たな最先端結果を実現する。
論文参考訳（メタデータ） (2021-01-26T06:41:12Z)
Domain-Specific Language Model Pretraining for Biomedical Natural Language Processing [73.37262264915739]
バイオメディシンなどのラベルなしテキストの少ないドメインでは、スクラッチから言語モデルを事前学習することで、かなりの利益が得られることを示す。実験の結果, ドメイン固有のプレトレーニングは, 幅広い生物医学的NLPタスクの基盤となることが明らかとなった。
論文参考訳（メタデータ） (2020-07-31T00:04:15Z)

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。