論文の概要: Benchmarking for Public Health Surveillance tasks on Social Media with a
Domain-Specific Pretrained Language Model
- arxiv url: http://arxiv.org/abs/2204.04521v1
- Date: Sat, 9 Apr 2022 18:01:18 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-15 02:17:34.853872
- Title: Benchmarking for Public Health Surveillance tasks on Social Media with a
Domain-Specific Pretrained Language Model
- Title(参考訳): ドメイン特化事前訓練言語モデルを用いたソーシャルメディアにおける公衆衛生監視タスクのベンチマーク
- Authors: Usman Naseem, Byoung Chan Lee, Matloob Khushi, Jinman Kim, Adam G.
Dunn
- Abstract要約: PHS-BERTは、ソーシャルメディア上の公衆衛生監視に関連するタスクを特定するトランスフォーマーベースの言語モデルである。
PHS-BERTは、主に限られたタスクで評価されている既存のPLMと比較して、25のテストデータセットすべてで最先端のパフォーマンスを達成した。
- 参考スコア(独自算出の注目度): 9.070482285386387
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: A user-generated text on social media enables health workers to keep track of
information, identify possible outbreaks, forecast disease trends, monitor
emergency cases, and ascertain disease awareness and response to official
health correspondence. This exchange of health information on social media has
been regarded as an attempt to enhance public health surveillance (PHS).
Despite its potential, the technology is still in its early stages and is not
ready for widespread application. Advancements in pretrained language models
(PLMs) have facilitated the development of several domain-specific PLMs and a
variety of downstream applications. However, there are no PLMs for social media
tasks involving PHS. We present and release PHS-BERT, a transformer-based PLM,
to identify tasks related to public health surveillance on social media. We
compared and benchmarked the performance of PHS-BERT on 25 datasets from
different social medial platforms related to 7 different PHS tasks. Compared
with existing PLMs that are mainly evaluated on limited tasks, PHS-BERT
achieved state-of-the-art performance on all 25 tested datasets, showing that
our PLM is robust and generalizable in the common PHS tasks. By making PHS-BERT
available, we aim to facilitate the community to reduce the computational cost
and introduce new baselines for future works across various PHS-related tasks.
- Abstract(参考訳): ソーシャルメディア上のユーザ生成テキストにより、医療従事者は、情報の追跡、発生可能性の特定、疾患の動向の予測、緊急事態の監視、疾病の認識と公式の健康対応の確認が可能になる。
このソーシャルメディア上の健康情報の交換は、公衆衛生監視(PHS)を強化する試みとみなされている。
その可能性にもかかわらず、この技術はまだ初期段階にあり、広く応用される準備ができていない。
プレトレーニング言語モデル(PLM)の進歩は、いくつかのドメイン固有のPLMや様々な下流アプリケーションの開発を促進する。
しかし、PHSに関わるソーシャルメディアタスクのためのPLMは存在しない。
我々は,ソーシャルメディア上の公衆衛生監視に関するタスクを特定するために,トランスフォーマーベースのplmであるphs-bertを提示し,公開する。
PHS-BERTのパフォーマンスを、7つの異なるPHSタスクに関連する異なるソーシャルメディアプラットフォームから25のデータセットで比較,ベンチマークした。
PHS-BERTは、主に限られたタスクで評価されている既存のPLMと比較して、25の試験データセットで最先端のパフォーマンスを達成した。
PHS-BERT を利用可能にすることで,計算コストを削減し,様々な PHS 関連タスクにまたがる今後の作業に新たなベースラインを導入することを目的としている。
関連論文リスト
- Benefits and Harms of Large Language Models in Digital Mental Health [40.02859683420844]
大型言語モデル (LLMs) は、デジタルメンタルヘルスを未知の領域に導くことを約束している。
本稿では、デジタルメンタルヘルスツールの設計、開発、実装においてLLMがもたらす可能性とリスクについて、現代の展望を示す。
論文 参考訳(メタデータ) (2023-11-07T14:11:10Z) - Balanced and Explainable Social Media Analysis for Public Health with
Large Language Models [13.977401672173533]
公共衛生分析の現在の技術は、BERTや大規模言語モデル(LLM)のような一般的なモデルである。
これらの課題に対処するために、ソーシャルメディアデータセットの高度なデータ拡張手法によって、データの不均衡を克服することができる。
本稿では,公衆衛生に関するソーシャルメディア分析のための新しいALEXフレームワークを提案する。
論文 参考訳(メタデータ) (2023-09-12T04:15:34Z) - UQ at #SMM4H 2023: ALEX for Public Health Analysis with Social Media [33.081637097464146]
公共衛生分析の現在の技術は、BERTや大規模言語モデル(LLM)のような一般的なモデルである。
本稿では,ソーシャルメディア上での公衆衛生分析の性能向上を目的とした新しいALEXフレームワークを提案する。
論文 参考訳(メタデータ) (2023-09-08T08:54:55Z) - Evaluating the Impact of Social Determinants on Health Prediction in the
Intensive Care Unit [10.764842579064636]
健康の社会的決定因子(SDOH)は、人の健康と幸福に重要な役割を果たす。
電子健康記録に基づくリスク予測モデルの多くは、包括的なSDOH機能群を含まない。
我々の研究は、公開のEHRデータベースMIMIC-IVをドキュメント化されたSDOH機能にリンクしています。
論文 参考訳(メタデータ) (2023-05-22T01:27:51Z) - The Design and Implementation of a National AI Platform for Public
Healthcare in Italy: Implications for Semantics and Interoperability [62.997667081978825]
イタリア国立衛生局は、その技術機関を通じて人工知能を採用している。
このような広大なプログラムには、知識領域の形式化に特別な注意が必要である。
AIが患者、開業医、健康システムに与える影響について疑問が投げかけられている。
論文 参考訳(メタデータ) (2023-04-24T08:00:02Z) - Multi-task Learning for Personal Health Mention Detection on Social
Media [70.23889100356091]
本研究では、マルチタスク学習フレームワークを用いて、利用可能な注釈付きデータを活用し、メインタスクのパフォーマンスを向上させる。
我々は、感情検出を補助タスクとして利用することで、感情情報を対象タスクに組み込むことに重点を置いている。
論文 参考訳(メタデータ) (2022-12-09T23:49:00Z) - Remote Medication Status Prediction for Individuals with Parkinson's
Disease using Time-series Data from Smartphones [75.23250968928578]
本稿では,パーキンソン病患者のmPowerデータセットを用いて薬剤状態を予測する方法を提案する。
提案手法は,3つの薬物状態を客観的に予測する上で有望な結果を示す。
論文 参考訳(メタデータ) (2022-07-26T02:08:08Z) - BEV-Net: Assessing Social Distancing Compliance by Joint People
Localization and Geometric Reasoning [77.08836528980248]
新型コロナウイルス(COVID-19)の感染拡大を受け、公衆衛生に不可欠なソーシャルディスタンシング(ソーシャルディスタンシング)が注目されている。
本研究では,広視野カメラを用いた公共空間における視覚的ソーシャル・ディスタンシング・コンプライアンス・アセスメントの課題について考察する。
鳥眼ビュー(BEV)下での注釈付き群集シーンのデータセットと距離測定のための地上真実を紹介する。
マルチブランチネットワークであるBEV-Netは、世界座標における個人をローカライズし、ソーシャルディスタンシングに違反する高リスク領域を特定するために提案されている。
論文 参考訳(メタデータ) (2021-10-10T23:56:37Z) - An Urban Population Health Observatory System to Support COVID-19
Pandemic Preparedness, Response, and Management: Design and Development Study [0.8602553195689513]
本研究は、新型コロナウイルスのパンデミックに対応するため、健康者2030 SDoHの分類を再定義することを試みた。
我々は,グループレベルのSDoH指標を個別および集団レベルの人口健康データに統合するWebプラットフォームであるUrban Population Health Observatory(UPHO)のプロトタイプの実装を目指している。
論文 参考訳(メタデータ) (2021-06-16T16:48:55Z) - PHASE: PHysically-grounded Abstract Social Events for Machine Social
Perception [50.551003004553806]
私たちは、物理的に根拠のある抽象的なソーシャルイベント、フェーズのデータセットを作成します。
フェーズは人間の実験によって検証され、人間は社会出来事において豊かな相互作用を知覚する。
ベースラインモデルとして,最新のフィードフォワードニューラルネットワークよりも優れたベイズ逆計画手法SIMPLEを導入する。
論文 参考訳(メタデータ) (2021-03-02T18:44:57Z) - Assessing the Severity of Health States based on Social Media Posts [62.52087340582502]
ユーザの健康状態の重症度を評価するために,テキストコンテンツとコンテキスト情報の両方をモデル化する多視点学習フレームワークを提案する。
多様なNLUビューは、ユーザの健康を評価するために、タスクと個々の疾患の両方に効果を示す。
論文 参考訳(メタデータ) (2020-09-21T03:45:14Z)
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。