Fugu-MT 論文翻訳(概要): Where Was COVID-19 First Discovered? Designing a Question-Answering System for Pandemic Situations

論文の概要: Where Was COVID-19 First Discovered? Designing a Question-Answering System for Pandemic Situations

arxiv url: http://arxiv.org/abs/2204.08787v1
Date: Tue, 19 Apr 2022 10:15:51 GMT
ステータス: 処理完了
システム内更新日: 2022-04-20 13:10:58.380299
Title: Where Was COVID-19 First Discovered? Designing a Question-Answering System for Pandemic Situations
Title（参考訳）: 新型コロナウイルスが最初に発見された場所は? パンデミック状況に対する質問応答システムの設計
Authors: Johannes Graf, Gino Lancho, Patrick Zschech, Kai Heinrich
Abstract要約: 新型コロナウイルス(COVID-19)のパンデミックには、新型コロナウイルス関連の質問に対する簡潔で信頼性の高い情報の特定が困難になる大規模な「インフォデミック(infodemic)」が伴っている。本稿では,パンデミックの状況における情報過負荷や誤報を克服するために,近代技術に基づく質問応答システムを設計することに関心がある。実装はCORD-19データセットをベースとして,バイオメディカル専門家がラベル付けしたCOVID-19質問のサンプルに基づいて,回答の質を評価することで,アーティファクトの有用性を実証する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: The COVID-19 pandemic is accompanied by a massive "infodemic" that makes it hard to identify concise and credible information for COVID-19-related questions, like incubation time, infection rates, or the effectiveness of vaccines. As a novel solution, our paper is concerned with designing a question-answering system based on modern technologies from natural language processing to overcome information overload and misinformation in pandemic situations. To carry out our research, we followed a design science research approach and applied Ingwersen's cognitive model of information retrieval interaction to inform our design process from a socio-technical lens. On this basis, we derived prescriptive design knowledge in terms of design requirements and design principles, which we translated into the construction of a prototypical instantiation. Our implementation is based on the comprehensive CORD-19 dataset, and we demonstrate our artifact's usefulness by evaluating its answer quality based on a sample of COVID-19 questions labeled by biomedical experts.
Abstract（参考訳）: 新型コロナウイルス(covid-19)のパンデミックには、インキュベーション時間や感染率、ワクチンの効果など、covid-19関連の質問に対して簡潔で信頼できる情報を見つけるのが難しい巨大な「情報デミック(infodemic)」が伴っている。新たな解決法として,自然言語処理から情報過負荷や誤情報を克服するための現代的技術に基づく質問応答システムの設計について検討した。本研究は、デザインサイエンス研究のアプローチに従い、Ingwersenの認知モデルによる情報検索インタラクションを適用し、社会技術レンズから設計プロセスを伝える。そこで我々は,設計要件と設計原則の観点から規範的設計知識を導出し,原型インスタンス化の構成に変換した。実装はCORD-19データセットをベースとして,バイオメディカル専門家がラベル付けしたCOVID-19質問のサンプルに基づいて,回答の質を評価することで,アーティファクトの有用性を実証する。

関連論文リスト

Using Weak Supervision and Data Augmentation in Question Answering [0.12499537119440242]
新型コロナウイルス(COVID-19)のパンデミックの始まりは、タイムリーで病気固有の質問に答えるために、バイオメディカル文献へのアクセスの必要性を強調した。我々は、深層ニューラルネットワークQAモデルのトレーニングにおいて、弱い監視とデータ拡張が果たす役割について検討する。システムの中核部におけるQAモデルのコンテキストにおける手法の評価を行い、COVID-19に関する質問に答える。
論文参考訳（メタデータ） (2023-09-28T05:16:51Z)
Informing clinical assessment by contextualizing post-hoc explanations of risk prediction models in type-2 diabetes [50.8044927215346]
本研究は, 合併症リスク予測のシナリオを考察し, 患者の臨床状態に関する文脈に焦点を当てる。我々は、リスク予測モデル推論に関する文脈を提示し、その受容性を評価するために、最先端のLLMをいくつか採用する。本論文は,実世界における臨床症例における文脈説明の有効性と有用性を明らかにする最初のエンドツーエンド分析の1つである。
論文参考訳（メタデータ） (2023-02-11T18:07:11Z)
Dense Feature Memory Augmented Transformers for COVID-19 Vaccination Search Classification [60.49594822215981]
本稿では,新型コロナウイルスワクチン関連検索クエリの分類モデルを提案する。本稿では,モデルが対応可能なメモリトークンとして,高密度特徴を考慮した新しい手法を提案する。この新しいモデリング手法により,Vaccine Search Insights (VSI) タスクを大幅に改善できることを示す。
論文参考訳（メタデータ） (2022-12-16T13:57:41Z)
COVID-Net Biochem: An Explainability-driven Framework to Building Machine Learning Models for Predicting Survival and Kidney Injury of COVID-19 Patients from Clinical and Biochemistry Data [66.43957431843324]
我々は、機械学習モデルを構築するための汎用的で説明可能なフレームワークであるCOVID-Net Biochemを紹介する。この枠組みを用いて、新型コロナウイルス患者の生存率と、入院中に急性腎不全を発症する可能性を予測する。
論文参考訳（メタデータ） (2022-04-24T07:38:37Z)
Machine learning applications for COVID-19: A state-of-the-art review [0.0]
新型コロナウイルス(COVID-19)パンデミックは、機械学習コミュニティに新たなソリューションを生み出した。この記事では、COVID-19に適用される機械学習研究の最新の進歩を紹介します。
論文参考訳（メタデータ） (2021-01-19T19:12:45Z)
Artificial Intelligence (AI) in Action: Addressing the COVID-19 Pandemic with Natural Language Processing (NLP) [8.281080540533559]
自然言語処理は、新型コロナウイルスのパンデミックによって緊急に必要とされる多くの情報に対処するために適用することができる。このレビューでは、約150のNLP研究と、新型コロナウイルスのパンデミックに対処する50以上のシステムとデータセットを調査します。
論文参考訳（メタデータ） (2020-10-09T22:10:43Z)
Extracting a Knowledge Base of Mechanisms from COVID-19 Papers [50.17242035034729]
我々はメカニズムの知識ベース(KB)の構築を追求する。我々は、妥当性と幅のバランスをとる広範で統一されたスキーマを開発する。実験は、新型コロナウイルスの文献に関する学際的な科学的検索を支援するためのKBの有用性を実証する。
論文参考訳（メタデータ） (2020-10-08T07:54:14Z)
Coronavirus Knowledge Graph: A Case Study [4.646516629534201]
我々は、新型コロナウイルス関連の専門家やバイオエンティティを特定するために、機械学習、ディープラーニング、知識グラフの構築とマイニング技術をいくつか使用しています。関連疾患,薬物候補,遺伝子,遺伝子変異,関連化合物の予測手法を提案する。
論文参考訳（メタデータ） (2020-07-04T03:55:31Z)
Answering Questions on COVID-19 in Real-Time [18.183746404693775]
新型コロナウイルスの感染拡大が世界中に波及し、研究者らは効果的に戦おうとしている。戦いが難しい理由のひとつは、情報と知識の不足にある。本稿では,コビッドAskを作成することで,この知識の真空化に貢献する取り組みについて概説する。
論文参考訳（メタデータ） (2020-06-29T06:34:35Z)
Mapping the Landscape of Artificial Intelligence Applications against COVID-19 [59.30734371401316]
世界保健機関(WHO)は、SARS-CoV-2ウイルスによる新型コロナウイルスの感染をパンデミックと宣言した。我々は、機械学習と、より広範に、人工知能を用いた最近の研究の概要を、新型コロナウイルス危機の多くの側面に取り組むために提示する。
論文参考訳（メタデータ） (2020-03-25T12:30:33Z)
COVID-Net: A Tailored Deep Convolutional Neural Network Design for Detection of COVID-19 Cases from Chest X-Ray Images [93.0013343535411]
我々は,胸部X線(CXR)画像から新型コロナウイルスの症例を検出するための,深層畳み込みニューラルネットワーク設計であるCOVID-Netを紹介した。著者たちの知る限りでは、COVID-NetはCXRイメージからCOVID-19を検出するための、最初のオープンソースネットワーク設計の1つである。また,13,870人の患者を対象に,13,975個のCXR画像からなるオープンアクセスベンチマークデータセットであるCOVIDxも導入した。
論文参考訳（メタデータ） (2020-03-22T12:26:36Z)

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。