論文の概要: Towards Neural Numeric-To-Text Generation From Temporal Personal Health
Data
- arxiv url: http://arxiv.org/abs/2207.05194v1
- Date: Mon, 11 Jul 2022 21:16:48 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-13 13:57:14.255538
- Title: Towards Neural Numeric-To-Text Generation From Temporal Personal Health
Data
- Title（参考訳）: 時間的パーソナルヘルスデータからニューラルな数値・テキスト生成に向けて
- Authors: Jonathan Harris, Mohammed J. Zaki
- Abstract要約: 数値的な個人健康データから高品質な自然言語要約を自動生成できることが示される。
我々の研究は、個人の健康データから新しい意味のある時間的要約を自動的に生成するという野心的な目標に向けての第一歩となる。
- 参考スコア（独自算出の注目度）: 16.814550345738578
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: With an increased interest in the production of personal health technologies
designed to track user data (e.g., nutrient intake, step counts), there is now
more opportunity than ever to surface meaningful behavioral insights to
everyday users in the form of natural language. This knowledge can increase
their behavioral awareness and allow them to take action to meet their health
goals. It can also bridge the gap between the vast collection of personal
health data and the summary generation required to describe an individual's
behavioral tendencies. Previous work has focused on rule-based time-series data
summarization methods designed to generate natural language summaries of
interesting patterns found within temporal personal health data. We examine
recurrent, convolutional, and Transformer-based encoder-decoder models to
automatically generate natural language summaries from numeric temporal
personal health data. We showcase the effectiveness of our models on real user
health data logged in MyFitnessPal and show that we can automatically generate
high-quality natural language summaries. Our work serves as a first step
towards the ambitious goal of automatically generating novel and meaningful
temporal summaries from personal health data.
- Abstract（参考訳）: ユーザーデータ(栄養素摂取量、ステップ数など)を追跡するために設計されたパーソナルヘルス技術の生産への関心が高まり、今や自然言語という形で日々のユーザーに有意義な行動的洞察を提示する機会がこれまでになく増えている。
この知識は行動意識を高め、健康目標を達成するために行動を起こすことができる。
また、個人の行動傾向を記述するのに必要な、膨大な個人の健康データと要約生成のギャップを埋めることもできる。
これまでの研究は、時間的個人的健康データに見られる興味深いパターンの自然言語要約を生成するために設計されたルールベースの時系列データ要約手法に焦点を当ててきた。
数値時間的パーソナルヘルスデータから自然言語サマリーを自動的に生成するために,再帰的,畳み込み的,トランスフォーマーベースのエンコーダ・デコーダモデルを検討する。
myfitnesspalにログインした実ユーザーの健康データにモデルの有効性を示し,高品質自然言語サマリーを自動生成できることを示した。
我々の研究は、個人の健康データから新しい意味のある時間的要約を自動的に生成するという野心的な目標に向けての第一歩となる。
関連論文リスト
- AWARE Narrator and the Utilization of Large Language Models to Extract Behavioral Insights from Smartphone Sensing Data [6.110013784860154]
スマートフォンは健康関連行動や状況の追跡を促進し、デジタル表現に大きく貢献する。
本稿では,スマートフォンから収集したデータを構造化した時系列物語に体系的に変換する手法を提案する。
この枠組みを1週間にわたって大学生の収集したデータに適用し,個々の行動の要約に物語を活用する可能性を実証した。
論文 参考訳（メタデータ） (2024-11-07T13:23:57Z) - Modeling Low-Resource Health Coaching Dialogues via Neuro-Symbolic Goal Summarization and Text-Units-Text Generation [8.20753105325103]
健康コーチングは、患者がパーソナライズされたライフスタイル関連の目標を達成するのに役立つ。
本研究は,保健指導員の目標追跡を支援するために,ニューロシンボリックな目標要約器を提案する。
また,患者の不便な反応を測定するための新しい健康コーチングデータセットも提案する。
論文 参考訳（メタデータ） (2024-04-16T03:46:30Z) - Textual Data Augmentation for Patient Outcomes Prediction [67.72545656557858]
本稿では,患者の電子カルテに人工的な臨床ノートを作成するための新しいデータ拡張手法を提案する。
生成言語モデルGPT-2を微調整し、ラベル付きテキストを元のトレーニングデータで合成する。
今回,最も多い患者,すなわち30日間の寛解率について検討した。
論文 参考訳（メタデータ） (2022-11-13T01:07:23Z) - Unsupervised Neural Stylistic Text Generation using Transfer learning
and Adapters [66.17039929803933]
応答生成のためのスタイル特化属性を学習するために,モデルパラメータの0.3%しか更新しない新しい転送学習フレームワークを提案する。
我々はPERSONALITY-CAPTIONSデータセットからスタイル固有の属性を学習する。
論文 参考訳（メタデータ） (2022-10-07T00:09:22Z) - Towards more patient friendly clinical notes through language models and
ontologies [57.51898902864543]
本稿では,単語の単純化と言語モデリングに基づく医療用テキストの自動作成手法を提案する。
我々は,公開医療文のデータセットペアと,臨床医による簡易化版を用いている。
本手法は,医学フォーラムデータに基づく言語モデルを用いて,文法と本来の意味の両方を保存しながら,より単純な文を生成する。
論文 参考訳（メタデータ） (2021-12-23T16:11:19Z) - SANSformers: Self-Supervised Forecasting in Electronic Health Records
with Attention-Free Models [48.07469930813923]
本研究は,医療施設への患者訪問数を予測することにより,医療サービスの需要を予測することを目的とする。
SNSformerは、特定の帰納バイアスを設計し、EHRデータの特異な特徴を考慮に入れた、注意のない逐次モデルである。
本研究は, 各種患者集団を対象とした医療利用予測の修正における, 注意力のないモデルと自己指導型事前訓練の有望な可能性について考察した。
論文 参考訳（メタデータ） (2021-08-31T08:23:56Z) - Learning Language and Multimodal Privacy-Preserving Markers of Mood from
Mobile Data [74.60507696087966]
精神状態は、先進医療に共通する国でも診断されていない。
人間の行動を監視するための有望なデータソースのひとつは、日々のスマートフォンの利用だ。
本研究では,自殺行動のリスクが高い青少年集団の移動行動のデータセットを用いて,日常生活の行動マーカーについて検討した。
論文 参考訳（メタデータ） (2021-06-24T17:46:03Z) - Interpretable machine learning for high-dimensional trajectories of
aging health [0.0]
我々は、健康と生存の個人的高齢軌跡の計算モデルを構築した。
身体的、機能的、生物学的な変数を含み、人口動態、生活様式、医学的背景情報に依存する。
我々のモデルは大規模縦型データセットにスケーラブルであり、健康変数間の有向相互作用の解釈可能なネットワークを推定する。
論文 参考訳（メタデータ） (2021-05-07T17:42:15Z) - Health Status Prediction with Local-Global Heterogeneous Behavior Graph [69.99431339130105]
ウェアラブルセンサから継続的に収集される各種データストリームにより、健康状態の推定が可能です。
行動関連マルチソースデータストリームをローカル・グローバル・グラフでモデル化することを提案する。
学生生活データセットを用いて実験を行い,提案モデルの有効性を実証した。
論文 参考訳（メタデータ） (2021-03-23T11:10:04Z) - A Framework for Generating Explanations from Temporal Personal Health
Data [17.44518373886669]
我々は,データ収集と説明生成のギャップを,興味深い行動分析のためにマイニングすることで埋めることを目的としている。
我々の焦点は、情報的要約テンプレートのセットを通して、時間的個人的健康データの説明可能性を改善することである。
論文 参考訳（メタデータ） (2020-03-20T23:32:08Z) - Health State Estimation [2.463876252896007]
論文は、個人モデルを構築し、個人の健康状態を動的に推定するアプローチを提示します。
システムは4つの重要な抽象要素から縫合される。
実験では、個々の心臓血管の健康状態を監視するために、高密度で均一な現実世界のデータを使用することが示されている。
論文 参考訳（メタデータ） (2020-03-16T21:06:32Z)
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。