論文の概要: Recent Advances in Automated Question Answering In Biomedical Domain
- arxiv url: http://arxiv.org/abs/2111.05937v1
- Date: Wed, 10 Nov 2021 20:51:29 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-13 04:35:16.306700
- Title: Recent Advances in Automated Question Answering In Biomedical Domain
- Title（参考訳）: バイオメディカル領域における自動質問応答の最近の進歩
- Authors: Krishanu Das Baksi
- Abstract要約: 過去数十年間、知識の獲得が急増しており、その結果、バイオメディシン分野における新しい科学論文が指数関数的に増加してきた。
ドメインの専門家であっても、ドメイン内のすべての情報を追跡することは困難になっています。
商用検索エンジンの改善により、ユーザーはクエリーを入力し、クエリーに最も関連性の高いドキュメントの小さなセットを得ることができる。
これにより、ユーザが提供する自然言語の質問に対して、正確かつ正確な答えを見つけることを目的とした効率的なQAシステムの開発が必要になった。
- 参考スコア（独自算出の注目度）: 0.06922389632860546
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The objective of automated Question Answering (QA) systems is to provide
answers to user queries in a time efficient manner. The answers are usually
found in either databases (or knowledge bases) or a collection of documents
commonly referred to as the corpus. In the past few decades there has been a
proliferation of acquisition of knowledge and consequently there has been an
exponential growth in new scientific articles in the field of biomedicine.
Therefore, it has become difficult to keep track of all the information in the
domain, even for domain experts. With the improvements in commercial search
engines, users can type in their queries and get a small set of documents most
relevant for answering their query, as well as relevant snippets from the
documents in some cases. However, it may be still tedious and time consuming to
manually look for the required information or answers. This has necessitated
the development of efficient QA systems which aim to find exact and precise
answers to user provided natural language questions in the domain of
biomedicine. In this paper, we introduce the basic methodologies used for
developing general domain QA systems, followed by a thorough investigation of
different aspects of biomedical QA systems, including benchmark datasets and
several proposed approaches, both using structured databases and collection of
texts. We also explore the limitations of current systems and explore potential
avenues for further advancement.
- Abstract（参考訳）: 自動質問回答システム(QA)の目的は,ユーザの質問に対する回答を,時間的に効率的に提供することである。
解答は通常、データベース(または知識ベース)または一般にコーパスと呼ばれる文書の集合に見出される。
過去数十年間、知識の獲得が急増しており、その結果、バイオメディシン分野における新しい科学論文が指数関数的に増加してきた。
そのため、ドメインの専門家であっても、ドメイン内のすべての情報を追跡することは困難になっている。
商用検索エンジンの改善により、ユーザはクエリを入力して、クエリに最も関連性の高いドキュメントの小さなセットと、いくつかのケースでドキュメントから関連するスニペットを取得することができる。
しかし、必要な情報や回答を手作業で探すのは、いまだに面倒で時間がかかります。
これにより、バイオメディシン領域におけるユーザが提供する自然言語質問に対する正確かつ正確な回答を見つけることを目的とした効率的なQAシステムの開発が必要となった。
本稿では,一般分野のQAシステム開発に使用される基本手法を紹介するとともに,ベンチマークデータセットや提案手法など,バイオメディカルQAシステムのさまざまな側面について,構造化データベースとテキストの収集の両方を用いて詳細に検討する。
また、現在のシステムの限界を探求し、さらなる進歩に向けた潜在的な道を探る。
関連論文リスト
- Improving Health Question Answering with Reliable and Time-Aware Evidence Retrieval [5.69361786082969]
本研究は,オープンドメインのQA設定に焦点をあて,重要な課題は,まず大きな知識ベースで関連する証拠を明らかにすることである。
一般的な検索対象QAパイプラインとPubMedを信頼できる医療研究資料のコレクションとして活用することにより、3つの多様なデータセットからの健康問題に答える。
以上の結果から,検索した文書の量を削減し,最近かつ高度に引用された文書を優先することで,最終マクロF1スコアを最大10%向上させることができることがわかった。
論文 参考訳（メタデータ） (2024-04-12T09:56:12Z) - Improving Medical Reasoning through Retrieval and Self-Reflection with Retrieval-Augmented Large Language Models [18.984165679347026]
Self-BioRAGは、説明文の生成、ドメイン固有の文書の検索、生成したレスポンスの自己参照を専門とする、バイオメディカルテキストに信頼できるフレームワークである。
84kのバイオメディカル・インストラクション・セットを用いて、カスタマイズされた反射トークンで生成された説明を評価できるセルフビオRAGを訓練する。
論文 参考訳（メタデータ） (2024-01-27T02:29:42Z) - Around the GLOBE: Numerical Aggregation Question-Answering on
Heterogeneous Genealogical Knowledge Graphs with Deep Neural Networks [0.934612743192798]
本稿では,系統樹の数値集約QAのための新しいエンドツーエンド手法を提案する。
提案されたアーキテクチャであるGLOBEは、このタスクの精度を87%向上させることで、最先端のモデルとパイプラインを上回っている。
本研究は系譜情報センターや博物館に実際的な意味を持つ可能性がある。
論文 参考訳（メタデータ） (2023-07-30T12:09:00Z) - Contributions to the Improvement of Question Answering Systems in the
Biomedical Domain [0.951828574518325]
この論文は、生物医学領域における質問応答(QA)の枠組みに該当する。
バイオメディカル領域におけるQAの性能向上のための4つのコントリビューションを提案する。
我々はSemBioNLQAと呼ばれる完全に自動化されたセマンティックバイオメディカルQAシステムを開発した。
論文 参考訳（メタデータ） (2023-07-25T16:31:20Z) - Medical Question Understanding and Answering with Knowledge Grounding
and Semantic Self-Supervision [53.692793122749414]
本稿では,知識基盤とセマンティック・セルフスーパービジョンを備えた医療質問理解・回答システムについて紹介する。
我々のシステムは、まず、教師付き要約損失を用いて、長い医学的、ユーザによる質問を要約するパイプラインである。
システムはまず、信頼された医療知識ベースから要約されたユーザ質問とFAQとをマッチングし、対応する回答文書から一定の数の関連文を検索する。
論文 参考訳（メタデータ） (2022-09-30T08:20:32Z) - RealTime QA: What's the Answer Right Now? [137.04039209995932]
本稿では,動的質問応答(QA)プラットフォームであるREALTIME QAを紹介する。
GPT-3 や T5 など,大規模事前学習型言語モデルに基づく強力なベースラインモデルを構築した。
GPT-3は、検索された文書が答えを見つけるのに十分な情報を提供していない場合、時代遅れの回答を返す傾向がある。
論文 参考訳（メタデータ） (2022-07-27T07:26:01Z) - Addressing Issues of Cross-Linguality in Open-Retrieval Question
Answering Systems For Emergent Domains [67.99403521976058]
新型コロナウイルスの緊急ドメインに対する言語横断的オープン検索型質問応答システムについて紹介する。
本システムでは,検索した文書の信頼性を確保するために,学術論文のコーパスを採用している。
深いセマンティック・レトリバーは、我々の英語からすべてのデータに対するトレーニングの恩恵が大きく、言語横断環境ではBM25ベースラインを大幅に上回っていることを示す。
論文 参考訳（メタデータ） (2022-01-26T19:27:32Z) - 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) - Biomedical Question Answering: A Comprehensive Review [19.38459023509541]
Question Answering (QA) は自然言語処理(NLP)のベンチマークであり、関連する文書、画像、知識ベース、質問-回答ペアを用いてモデルが与えられた質問に対する回答を予測する。
バイオメディシンのような特定のドメインでは、QAシステムは実際の環境では使われない。
バイオメディカルQA(BQA)は、新しいQAタスクとして、革新的なアプリケーションが複雑なバイオメディカル知識を効果的に知覚し、アクセスし、理解することを可能にする。
論文 参考訳（メタデータ） (2021-02-10T06:16:35Z) - Retrieving and Reading: A Comprehensive Survey on Open-domain Question
Answering [62.88322725956294]
OpenQAの最近の研究動向を概観し、特にニューラルMSC技術を導入したシステムに注目した。
Retriever-Reader' と呼ばれる最新の OpenQA アーキテクチャを導入し、このアーキテクチャに従うさまざまなシステムを分析します。
次に、OpenQAシステムの開発における主要な課題について議論し、一般的に使用されるベンチマークの分析を提供する。
論文 参考訳（メタデータ） (2021-01-04T04:47:46Z) - A Survey on Complex Question Answering over Knowledge Base: Recent
Advances and Challenges [71.4531144086568]
知識ベース(KB)に対する質問回答(QA)は、自然言語の質問に自動的に答えることを目的としている。
研究者は、よりKBのトリプルと制約推論を必要とする単純な質問から複雑な質問へと注意を移した。
論文 参考訳（メタデータ） (2020-07-26T07:13:32Z)
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。