論文の概要: Design considerations for a hierarchical semantic compositional framework for medical natural language understanding

• arxiv url: http://arxiv.org/abs/2204.02067v1
• Date: Tue, 5 Apr 2022 09:04:34 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-06 13:08:07.261976
• Title: Design considerations for a hierarchical semantic compositional framework for medical natural language understanding
• Title（参考訳）: 医療自然言語理解のための階層的意味構成フレームワークの設計考察
• Authors: Ricky K. Taira, Anders O. Garlid, and William Speier
• Abstract要約: NLP性能曲線を跳躍する試みとして,人間の認知のメカニズムにインスパイアされた枠組みについて述べる。 セマンティックメモリ、セマンティックコンポジション、セマンティックアクティベーションを含む4つの重要な側面からの洞察について述べる。 本稿では,自由文文を意味の論理的表現に変換するための生成意味モデルと関連する意味モデルの設計について論じる。
• 参考スコア（独自算出の注目度）: 3.7003326903946756
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Medical natural language processing (NLP) systems are a key enabling technology for transforming Big Data from clinical report repositories to information used to support disease models and validate intervention methods. However, current medical NLP systems fall considerably short when faced with the task of logically interpreting clinical text. In this paper, we describe a framework inspired by mechanisms of human cognition in an attempt to jump the NLP performance curve. The design centers about a hierarchical semantic compositional model (HSCM) which provides an internal substrate for guiding the interpretation process. The paper describes insights from four key cognitive aspects including semantic memory, semantic composition, semantic activation, and hierarchical predictive coding. We discuss the design of a generative semantic model and an associated semantic parser used to transform a free-text sentence into a logical representation of its meaning. The paper discusses supportive and antagonistic arguments for the key features of the architecture as a long-term foundational framework.
• Abstract（参考訳）: 医療自然言語処理(nlp)システムは,ビッグデータを臨床報告書リポジトリから疾患モデル支援や介入方法の検証に使用する情報に変換する上で,重要な技術である。 しかし、現在の医療用NLPシステムは、臨床テキストを論理的に解釈する作業に直面すると、かなり短くなる。 本稿では,NLP性能曲線を跳躍する試みとして,人間の認知のメカニズムに触発された枠組みについて述べる。 設計の中心は階層的意味合成モデル(hscm)であり、解釈過程を導くための内部基板を提供する。 本稿では,セマンティックメモリ,セマンティックコンポジション,セマンティックアクティベーション,階層的予測符号化の4つの重要な認知的側面からの洞察について述べる。 自由文文をその意味の論理表現に変換するための生成意味モデルと関連する意味構文解析器の設計について述べる。 本稿では,長期的基盤フレームワークとしてのアーキテクチャの重要な特徴について,支援的かつ敵対的な議論を論じる。

関連論文リスト

• Constructive Approach to Bidirectional Causation between Qualia Structure and Language Emergence [5.906966694759679]
  本稿では,言語出現と主観的経験の関連構造との双方向因果関係について考察する。 我々は、個人間の内部表現を整合させる過程を通じて、たとえば構文・意味構造のような分布意味を持つ言語が出現したかもしれないと仮定する。
  論文  参考訳（メタデータ） (2024-09-14T11:03:12Z)
• Hierarchical Text-to-Vision Self Supervised Alignment for Improved Histopathology Representation Learning [64.1316997189396]
  病理組織像のための新しい言語型自己教師学習フレームワーク,階層型言語型自己監督(HLSS)を提案する。 その結果,OpenSRH と TCGA の2つの医用画像ベンチマークにおいて,最先端の性能が得られた。
  論文  参考訳（メタデータ） (2024-03-21T17:58:56Z)
• An Encoding of Abstract Dialectical Frameworks into Higher-Order Logic [57.24311218570012]
  このアプローチは抽象弁証法フレームワークのコンピュータ支援分析を可能にする。 応用例としては、メタ理論的性質の形式的解析と検証がある。
  論文  参考訳（メタデータ） (2023-12-08T09:32:26Z)
• LOGICSEG: Parsing Visual Semantics with Neural Logic Learning and Reasoning [73.98142349171552]
  LOGICSEGは、神経誘導学習と論理推論をリッチデータとシンボリック知識の両方に統合する、全体論的視覚意味論である。 ファジィ論理に基づく連続的な緩和の間、論理式はデータとニューラルな計算グラフに基礎を置いており、論理によるネットワークトレーニングを可能にする。 これらの設計によりLOGICSEGは、既存のセグメンテーションモデルに容易に統合できる汎用的でコンパクトなニューラル論理マシンとなる。
  論文  参考訳（メタデータ） (2023-09-24T05:43:19Z)
• The Role of Semantic Parsing in Understanding Procedural Text [15.318057744502822]
  我々は、意味解析知識の2つの源として、深い意味論(TRIPS)と意味論的役割のラベル付けを考える。 本稿では,記号解析に基づく手続き推論フレームワーク PROPOLIS を提案する。
  論文  参考訳（メタデータ） (2023-02-14T04:59:33Z)
• Guiding the PLMs with Semantic Anchors as Intermediate Supervision: Towards Interpretable Semantic Parsing [57.11806632758607]
  本稿では,既存の事前学習言語モデルを階層型デコーダネットワークに組み込むことを提案する。 第一原理構造をセマンティックアンカーとすることで、2つの新しい中間管理タスクを提案する。 いくつかのセマンティック解析ベンチマークで集中的な実験を行い、我々のアプローチがベースラインを一貫して上回ることを示す。
  論文  参考訳（メタデータ） (2022-10-04T07:27:29Z)
• Hierarchical Annotation for Building A Suite of Clinical Natural Language Processing Tasks: Progress Note Understanding [4.5939673461957335]
  本研究は,臨床テキスト理解,臨床推論,要約を行うための3段階の階層的アノテーションスキーマを導入する。 我々は,公開日誌の広範囲な収集に基づいて注釈付きコーパスを作成した。 また、3つのアノテーションステージを利用する3つのタスクで、プログレッシブノート理解という新しいタスクスイートも定義します。
  論文  参考訳（メタデータ） (2022-04-06T18:38:08Z)
• Clinical Named Entity Recognition using Contextualized Token Representations [49.036805795072645]
  本稿では,各単語の意味的意味をより正確に把握するために,文脈型単語埋め込み手法を提案する。 言語モデル(C-ELMo)とC-Flair(C-Flair)の2つの深い文脈型言語モデル(C-ELMo)を事前訓練する。 明示的な実験により、静的単語埋め込みとドメインジェネリック言語モデルの両方と比較して、我々のモデルは劇的に改善されている。
  論文  参考訳（メタデータ） (2021-06-23T18:12:58Z)
• A Meta-embedding-based Ensemble Approach for ICD Coding Prediction [64.42386426730695]
  国際疾病分類 (icd) は、世界中で臨床コーディングに使われているデファクトコードである。 これらのコードにより、医療提供者は償還を請求し、診断情報の効率的な保管と検索を容易にします。 提案手法は,日常的な医学データと科学論文の外部知識を用いて,効果的に単語ベクトルを訓練することにより,神経モデルの性能を高める。
  論文  参考訳（メタデータ） (2021-02-26T17:49:58Z)
• Automated Coding of Under-Studied Medical Concept Domains: Linking Physical Activity Reports to the International Classification of Functioning, Disability, and Health [22.196642357767338]
  医療概念の多くの領域は、医学テキストの効果的なコーディングを支援するための、十分に発達した用語を欠いている。 本稿では,未研究の医療情報の自動符号化のための自然言語処理(NLP)技術を開発するためのフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-11-27T20:02:59Z)

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。