論文の概要: Increasing Adverse Drug Events extraction robustness on social media: case study on negation and speculation

• arxiv url: http://arxiv.org/abs/2209.02812v1
• Date: Tue, 6 Sep 2022 20:38:42 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-08 12:26:54.363962
• Title: Increasing Adverse Drug Events extraction robustness on social media: case study on negation and speculation
• Title（参考訳）: ソーシャルメディア上での有害薬物イベント抽出ロバスト性の増加--否定と投機に関する事例研究
• Authors: Simone Scaboro, Beatrice Portelli, Emmanuele Chersoni, Enrico Santus, Giuseppe Serra
• Abstract要約: 過去10年間で、ソーシャルメディアプラットフォーム上でAdverse Drug Events(ADE)を報告するユーザーが増えている。 本稿では,ソーシャルメディア上でのADE検出のための4つの最先端システムについて考察する。 我々は,否定的および推測されたADEを含むサンプルに対して,それらの性能をテストするベンチマークであるSNAXを紹介する。
• 参考スコア（独自算出の注目度）: 7.052238842788185
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In the last decade, an increasing number of users have started reporting Adverse Drug Events (ADE) on social media platforms, blogs, and health forums. Given the large volume of reports, pharmacovigilance has focused on ways to use Natural Language Processing (NLP) techniques to rapidly examine these large collections of text, detecting mentions of drug-related adverse reactions to trigger medical investigations. However, despite the growing interest in the task and the advances in NLP, the robustness of these models in face of linguistic phenomena such as negations and speculations is an open research question. Negations and speculations are pervasive phenomena in natural language, and can severely hamper the ability of an automated system to discriminate between factual and nonfactual statements in text. In this paper we take into consideration four state-of-the-art systems for ADE detection on social media texts. We introduce SNAX, a benchmark to test their performance against samples containing negated and speculated ADEs, showing their fragility against these phenomena. We then introduce two possible strategies to increase the robustness of these models, showing that both of them bring significant increases in performance, lowering the number of spurious entities predicted by the models by 60% for negation and 80% for speculations.
• Abstract（参考訳）: 過去10年間で、ソーシャルメディアプラットフォーム、ブログ、ヘルスフォーラムでAdverse Drug Events(ADE)を報告するユーザーが増えている。 大量の報告を踏まえると、薬物移動は自然言語処理(NLP)技術を用いてこれらの大量のテキストを迅速に分析する方法に焦点を合わせ、薬物関連の副作用の言及を検出し、医学的な調査を誘発している。 しかしながら、この課題への関心やNLPの進歩にもかかわらず、否定や憶測といった言語現象に直面するこれらのモデルの堅牢性は、オープンな研究課題である。 否定と推測は自然言語に広く浸透する現象であり、テキスト中の事実と非事実の文を区別する自動化システムの能力を著しく阻害することができる。 本稿では,ソーシャルメディア上のADE検出のための4つの最先端システムについて考察する。 SNAXは,否定および推測されたADEを含むサンプルに対してそれらの性能をテストするベンチマークであり,これらの現象に対する脆弱性を示す。 次に,これらのモデルのロバスト性を高めるための2つの戦略を導入し,両者が性能の大幅な向上をもたらし,モデルによって予測されるスプリアスエンティティの数を60%削減し,推測値の80%を低下させることを示した。

関連論文リスト

• Evaluating the Robustness of Adverse Drug Event Classification Models Using Templates [11.276505487445782]
  副作用 (ADE) は、薬物治療によって引き起こされる有害事象である。 その重要性にもかかわらず、ADEはしばしば公式チャンネルで報告されていない。 ソーシャルメディアにおけるADEの議論を検出する研究もある。
  論文  参考訳（メタデータ） (2024-07-02T17:09:24Z)
• Humanizing Machine-Generated Content: Evading AI-Text Detection through Adversarial Attack [24.954755569786396]
  そこで本研究では,機械生成コンテンツの小さな摂動を回避して検出を回避すべく,より広いレベルの敵攻撃のためのフレームワークを提案する。 我々は、ホワイトボックスとブラックボックスの2つの攻撃設定を検討し、現在の検出モデルのロバスト性を高める可能性を評価するために、動的シナリオにおける逆学習を採用する。 実験の結果、現在の検出モデルは10秒で妥協でき、機械が生成したテキストを人間の書き起こしコンテンツとして誤分類する結果となった。
  論文  参考訳（メタデータ） (2024-04-02T12:49:22Z)
• Decoding the Silent Majority: Inducing Belief Augmented Social Graph with Large Language Model for Response Forecasting [74.68371461260946]
  SocialSenseは、既存のソーシャルネットワーク上に信念中心のグラフを誘導するフレームワークであり、グラフベースの伝播によって社会的ダイナミクスを捉える。 本手法は,ゼロショット設定と教師あり設定の両方に対する実験的な評価において,既存の最先端技術を超えている。
  論文  参考訳（メタデータ） (2023-10-20T06:17:02Z)
• LaTeX: Language Pattern-aware Triggering Event Detection for Adverse Experience during Pandemics [10.292364075312667]
  新型コロナウイルス(COVID-19)のパンデミックは、米国の様々な民族集団における社会経済的格差を強調させた。 本稿では,不足と課題の両面においてソーシャルメディアが果たす役割について考察する。 4種類の有害体験に関連する言語パターンを解析する。
  論文  参考訳（メタデータ） (2023-10-05T23:09:31Z)
• Measuring the Effect of Influential Messages on Varying Personas [67.1149173905004]
  我々は、ニュースメッセージを見る際にペルソナが持つ可能性のある応答を推定するために、ニュースメディア向けのペルソナに対するレスポンス予測という新しいタスクを提示する。 提案課題は,モデルにパーソナライズを導入するだけでなく,各応答の感情極性と強度も予測する。 これにより、ペルソナの精神状態に関するより正確で包括的な推測が可能になる。
  論文  参考訳（メタデータ） (2023-05-25T21:01:00Z)
• Survey of Hallucination in Natural Language Generation [69.9926849848132]
  近年,シーケンス間深層学習技術の発展により,自然言語生成(NLG)は指数関数的に向上している。 深層学習に基づく生成は意図しないテキストを幻覚させる傾向があるため、システム性能は低下する。 この調査は、NLGにおける幻覚テキストの課題に取り組む研究者の協力活動を促進するのに役立つ。
  論文  参考訳（メタデータ） (2022-02-08T03:55:01Z)
• AI-based Approach for Safety Signals Detection from Social Networks: Application to the Levothyrox Scandal in 2017 on Doctissimo Forum [1.4502611532302039]
  本稿では,患者のレビューから医薬安全信号を検出するためのAIベースのアプローチを提案する。 フランスにおけるLevothyroxの症例に着目し,薬式変更後にメディアから大きな注目を集めた。 本研究は, 言葉とn-grams頻度, 意味的類似性, 副薬物反応の言及, 感情分析など, 患者のレビューから抽出したNLPに基づく指標について検討した。
  論文  参考訳（メタデータ） (2022-02-01T10:17:32Z)
• NADE: A Benchmark for Robust Adverse Drug Events Extraction in Face of Negations [8.380439657099906]
  逆薬物イベント (ADE) 抽出法は, いわゆるメディアテキストの大量収集を迅速に調査し, 薬物関連副作用の言及を検知し, 医学的調査を誘発する。 近年のNLPのアドバンスにもかかわらず、そのようなモデルが言語品種にまたがって普及する傾向にあるにもかかわらず、そのようなモデルが頑丈であるかどうかは現在不明である。 本稿では,3つの最先端システムの評価を行い,ネガイオンに対する脆弱性を示すとともに,これらのモジュールの堅牢性を高めるための2つのストラテジーを提案する。
  論文  参考訳（メタデータ） (2021-09-21T10:33:29Z)
• ACRE: Abstract Causal REasoning Beyond Covariation [90.99059920286484]
  因果誘導における現在の視覚システムの系統的評価のための抽象因果分析データセットについて紹介する。 Blicket実験における因果発見の研究の流れに触発され、独立シナリオと介入シナリオのいずれにおいても、以下の4種類の質問で視覚的推論システムに問い合わせる。 純粋なニューラルモデルは確率レベルのパフォーマンスの下で連想戦略に向かう傾向があるのに対し、ニューロシンボリックな組み合わせは後方ブロッキングの推論に苦しむ。
  論文  参考訳（メタデータ） (2021-03-26T02:42:38Z)
• Detecting Cross-Modal Inconsistency to Defend Against Neural Fake News [57.9843300852526]
  我々は、画像やキャプションを含む機械生成ニュースに対して、より現実的で挑戦的な対策を導入する。 敵が悪用できる可能性のある弱点を特定するために、4つの異なる種類の生成された記事からなるNeuralNewsデータセットを作成します。 ユーザ実験から得られた貴重な知見に加えて,視覚的意味的不整合の検出にもとづく比較的効果的なアプローチを提案する。
  論文  参考訳（メタデータ） (2020-09-16T14:13:15Z)
• Amnesic Probing: Behavioral Explanation with Amnesic Counterfactuals [53.484562601127195]
  調査結果から行動学的結論を推測できない点を指摘する。 我々は、どの情報がエンコードされているかではなく、その情報がどのように使われているかに焦点を当てた代替手段を提供する。
  論文  参考訳（メタデータ） (2020-06-01T15:00:11Z)

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。