論文の概要: Ontology-Driven Self-Supervision for Adverse Childhood Experiences
Identification Using Social Media Datasets
- arxiv url: http://arxiv.org/abs/2208.11701v1
- Date: Wed, 24 Aug 2022 12:23:01 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-26 13:07:00.947865
- Title: Ontology-Driven Self-Supervision for Adverse Childhood Experiences
Identification Using Social Media Datasets
- Title（参考訳）: ソーシャルメディアデータセットを用いた子どもの逆体験識別のためのオントロジー駆動型セルフスーパービジョン
- Authors: Jinge Wu, Rowena Smith and Honghan Wu
- Abstract要約: 逆児体験(ACE)は、精神疾患やその後の生活における他の異常な行動のリスクの増加と関連していることが示されている。
自然言語処理(NLP)によるテキストデータからのACEの識別は,NLP対応のACEが存在しないため困難である。
本稿では,大規模機械学習を支援するために,オントロジー駆動型自己教師型手法を提案する。
- 参考スコア（独自算出の注目度）: 1.0349800230036503
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Adverse Childhood Experiences (ACEs) are defined as a collection of highly
stressful, and potentially traumatic, events or circumstances that occur
throughout childhood and/or adolescence. They have been shown to be associated
with increased risks of mental health diseases or other abnormal behaviours in
later lives. However, the identification of ACEs from textual data with Natural
Language Processing (NLP) is challenging because (a) there are no NLP ready ACE
ontologies; (b) there are few resources available for machine learning,
necessitating the data annotation from clinical experts; (c) costly annotations
by domain experts and large number of documents for supporting large machine
learning models. In this paper, we present an ontology-driven self-supervised
approach (derive concept embeddings using an auto-encoder from baseline NLP
results) for producing a publicly available resource that would support
large-scale machine learning (e.g., training transformer based large language
models) on social media corpus. This resource as well as the proposed approach
are aimed to facilitate the community in training transferable NLP models for
effectively surfacing ACEs in low-resource scenarios like NLP on clinical notes
within Electronic Health Records. The resource including a list of ACE ontology
terms, ACE concept embeddings and the NLP annotated corpus is available at
https://github.com/knowlab/ACE-NLP.
- Abstract（参考訳）: 逆育児体験 (ACEs) は、小児期および青年期を通じて起こる、非常にストレスがあり、潜在的にトラウマ的な出来事や状況の集合として定義される。
それらは、後年の精神疾患やその他の異常な行動のリスクの増加と関連していることが示されている。
しかし、自然言語処理(NLP)を用いたテキストデータからACEを識別することは困難である。
(a) NLP 対応ACE オントロジーはない。
b) 臨床専門家のデータアノテーションを必要とするため、機械学習に利用可能なリソースは少ない。
c) 大規模機械学習モデルをサポートするための、ドメインエキスパートによる高価なアノテーションと大量のドキュメント。
本稿では,ソーシャルメディアコーパス上で大規模機械学習(例えば,トランスフォーマーをベースとした大規模言語モデル)をサポートするための,オントロジー駆動型自己教師型アプローチ(ベースラインNLP結果からのオートエンコーダを用いた概念埋め込み)を提案する。
このリソースと提案手法は、電子健康記録における臨床ノート上のNLPのような低リソースシナリオにおけるACEを効果的に克服するために、転送可能なNLPモデルをトレーニングするコミュニティの促進を目的としている。
ACEオントロジー用語のリスト、ACE概念埋め込み、NLPアノテーション付きコーパスを含むリソースはhttps://github.com/knowlab/ACE-NLPで入手できる。
関連論文リスト
- Combatting Human Trafficking in the Cyberspace: A Natural Language
Processing-Based Methodology to Analyze the Language in Online Advertisements [55.2480439325792]
このプロジェクトは、高度自然言語処理(NLP)技術により、オンラインC2Cマーケットプレースにおける人身売買の急激な問題に取り組む。
我々は、最小限の監督で擬似ラベル付きデータセットを生成する新しい手法を導入し、最先端のNLPモデルをトレーニングするための豊富なリソースとして機能する。
重要な貢献は、Integrated Gradientsを使った解釈可能性フレームワークの実装であり、法執行にとって重要な説明可能な洞察を提供する。
論文 参考訳（メタデータ） (2023-11-22T02:45:01Z) - Unsupervised Sentiment Analysis of Plastic Surgery Social Media Posts [91.3755431537592]
ソーシャルメディアプラットフォームにまたがる膨大なユーザー投稿は、主に人工知能(AI)のユースケースに使われていない。
自然言語処理(NLP)は、コーパス(corpora)として知られるドキュメントの体系を利用して、人間のような言語理解でコンピュータを訓練するAIのサブフィールドである。
本研究は, 教師なし解析の応用により, コンピュータがプラスティック手術に対する否定的, 肯定的, 中立的なユーザ感情を予測できることを示した。
論文 参考訳（メタデータ） (2023-07-05T20:16:20Z) - Multi-Site Clinical Federated Learning using Recursive and Attentive
Models and NVFlare [13.176351544342735]
本稿では、データプライバシと規制コンプライアンスの課題に対処する統合フレームワークを開発する。
これには、データのプライバシと規制コンプライアンスの課題に対処し、高い精度を維持し、提案されたアプローチの有効性を実証する統合フレームワークの開発が含まれている。
論文 参考訳（メタデータ） (2023-06-28T17:00:32Z) - NeuroExplainer: Fine-Grained Attention Decoding to Uncover Cortical
Development Patterns of Preterm Infants [73.85768093666582]
我々はNeuroExplainerと呼ばれる説明可能な幾何学的深層ネットワークを提案する。
NeuroExplainerは、早産に伴う幼児の皮質発達パターンの解明に使用される。
論文 参考訳（メタデータ） (2023-01-01T12:48:12Z) - Can Current Explainability Help Provide References in Clinical Notes to
Support Humans Annotate Medical Codes? [53.45585591262433]
本稿では、注意スコアに基づくxRAC-ATTNと、モデルに依存しない知識蒸留に基づくxRAC-KDの2つのアプローチについて説明する。
我々は,xRAC-ATTNが強調した支持エビデンステキストが,xRAC-KDよりも高品質であるのに対して,xRAC-KDは本番環境において潜在的に有利であることを示した。
論文 参考訳（メタデータ） (2022-10-28T04:06:07Z) - Adverse Childhood Experiences Identification from Clinical Notes with
Ontologies and NLP [1.0349800230036503]
我々はNLP技術を用いて臨床ノートからACEを抽出するツールを開発している。
これにより、ACEとその後の精神疾患の進展との関係の証拠を明らかにするためのさらなる研究が可能になる。
論文 参考訳（メタデータ） (2022-08-24T12:17:32Z) - Fine-Tuning Large Neural Language Models for Biomedical Natural Language
Processing [55.52858954615655]
バイオメディカルNLPの微調整安定性に関する系統的研究を行った。
我々は、特に低リソース領域において、微調整性能は事前トレーニング設定に敏感であることを示した。
これらの技術は低リソースバイオメディカルNLPアプリケーションの微調整性能を大幅に向上させることができることを示す。
論文 参考訳（メタデータ） (2021-12-15T04:20:35Z) - Neural Natural Language Processing for Unstructured Data in Electronic
Health Records: a Review [4.454501609622817]
EHRに格納されている情報の約半数は、構造化されていないテキストの形式である。
自然言語処理への深層学習アプローチは、かなりの進歩を遂げた。
タスクの幅広い範囲、すなわち分類と予測、単語の埋め込み、抽出、生成、その他のトピックに焦点を当てる。
論文 参考訳（メタデータ） (2021-07-07T01:50:02Z) - Multilingual Medical Question Answering and Information Retrieval for
Rural Health Intelligence Access [1.0499611180329804]
いくつかの発展途上国の農村部では、高品質な医療、医療インフラ、専門的診断へのアクセスはほとんど利用できない。
このような医療アクセスの欠如、患者の以前の健康記録の欠如、および先住民語での情報の置換によるいくつかの死を、容易に防ぐことができる。
本稿では,機械学習とNLP(Natural Language Processing)技術における現象の進展を利用して,低リソース・多言語・予備的ファーストポイント・オブ・コンタクト・メディカルアシスタントを設計するアプローチについて述べる。
論文 参考訳（メタデータ） (2021-06-02T16:05:24Z) - MET: Multimodal Perception of Engagement for Telehealth [52.54282887530756]
ビデオから人間のエンゲージメントレベルを知覚する学習ベースアルゴリズムMETを提案する。
我々はメンタルヘルス患者のエンゲージメント検出のための新しいデータセットMEDICAをリリースした。
論文 参考訳（メタデータ） (2020-11-17T15:18:38Z) - A Multi-modal Machine Learning Approach and Toolkit to Automate
Recognition of Early Stages of Dementia among British Sign Language Users [5.8720142291102135]
タイムリーな診断は、必要なサポートと適切な薬を得るのに役立つ。
画像とビデオの分析と理解のためのディープラーニングベースのアプローチは有望である。
このアプローチは過度に適合せず、スケールアップの可能性を秘めています。
論文 参考訳（メタデータ） (2020-10-01T16:35:48Z)
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。