論文の概要: Automated MeSH Term Suggestion for Effective Query Formulation in
Systematic Reviews Literature Search
- arxiv url: http://arxiv.org/abs/2209.08687v1
- Date: Mon, 19 Sep 2022 00:31:29 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-20 17:08:44.490727
- Title: Automated MeSH Term Suggestion for Effective Query Formulation in
Systematic Reviews Literature Search
- Title（参考訳）: Systematic Reviews Literature Searchにおける効率的なクエリ定式化のための自動MeSH項の提案
- Authors: Shuai Wang, Harrisen Scells, Bevan Koopman, Guido Zuccon
- Abstract要約: 本稿では,自由文語のみを含む初期Booleanクエリに基づいてMeSH語を提案する手法を提案する。
これらのメソッドは、体系的なレビュークエリに含めるための、非常に効果的なMeSH用語を自動的に識別することを約束する。
- 参考スコア（独自算出の注目度）: 31.797257552928336
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: High-quality medical systematic reviews require comprehensive literature
searches to ensure the recommendations and outcomes are sufficiently reliable.
Indeed, searching for relevant medical literature is a key phase in
constructing systematic reviews and often involves domain (medical researchers)
and search (information specialists) experts in developing the search queries.
Queries in this context are highly complex, based on Boolean logic, include
free-text terms and index terms from standardised terminologies (e.g., the
Medical Subject Headings (MeSH) thesaurus), and are difficult and
time-consuming to build. The use of MeSH terms, in particular, has been shown
to improve the quality of the search results. However, identifying the correct
MeSH terms to include in a query is difficult: information experts are often
unfamiliar with the MeSH database and unsure about the appropriateness of MeSH
terms for a query. Naturally, the full value of the MeSH terminology is often
not fully exploited. This article investigates methods to suggest MeSH terms
based on an initial Boolean query that includes only free-text terms. In this
context, we devise lexical and pre-trained language models based methods. These
methods promise to automatically identify highly effective MeSH terms for
inclusion in a systematic review query. Our study contributes an empirical
evaluation of several MeSH term suggestion methods. We further contribute an
extensive analysis of MeSH term suggestions for each method and how these
suggestions impact the effectiveness of Boolean queries.
- Abstract（参考訳）: 高品質な医療体系的レビューは、推奨事項と結果が十分に信頼できるように包括的な文献検索を必要とする。
実際、関連する医学文献の検索は、体系的なレビューを構築する上で重要な段階であり、しばしばドメイン(医学研究者)と検索(情報専門家)の専門家が検索クエリの開発に携わる。
このコンテキストのクエリは非常に複雑で、ブール論理に基づいて、標準化された用語(医学的主題の見出し(mesh)シソーラス)からのフリーテキストの用語とインデックスの用語が含まれており、構築が困難で時間がかかります。
特にMeSH用語の使用は,検索結果の質を向上させることが示されている。
しかし、クエリに含める正しいMeSH用語を特定することは難しい。情報専門家は、MeSHデータベースに馴染みがなく、クエリに対するMeSH用語の適切性について不確実であることが多い。
当然、MeSH用語の完全な価値は、しばしば完全に利用されない。
本稿では,自由文語のみを含む初期Booleanクエリに基づいて,MeSH用語を提案する手法について検討する。
この文脈では、語彙および事前学習された言語モデルに基づく手法を考案する。
これらのメソッドは、体系的なレビュークエリに含めるための非常に効果的なMeSH用語を自動的に識別することを約束する。
本研究は,複数のMeSH項提案手法の実証評価に寄与する。
さらに、各メソッドに対するMeSH項の提案と、これらの提案がBooleanクエリの有効性に与える影響を詳細に分析する。
関連論文リスト
- Improving Retrieval in Theme-specific Applications using a Corpus
Topical Taxonomy [52.426623750562335]
ToTER (Topical Taxonomy Enhanced Retrieval) フレームワークを紹介する。
ToTERは、クエリとドキュメントの中心的なトピックを分類学のガイダンスで識別し、そのトピックの関連性を利用して、欠落したコンテキストを補う。
プラグイン・アンド・プレイのフレームワークとして、ToTERは様々なPLMベースのレトリバーを強化するために柔軟に使用できる。
論文 参考訳（メタデータ） (2024-03-07T02:34:54Z) - A General and Flexible Multi-concept Parsing Framework for Multilingual Semantic Matching [60.51839859852572]
我々は,テキストを多言語セマンティックマッチングのためのマルチコンセプトに分解し,NERモデルに依存するモデルからモデルを解放することを提案する。
英語データセットのQQPとMRPC、中国語データセットのMedical-SMについて包括的な実験を行った。
論文 参考訳（メタデータ） (2024-03-05T13:55:16Z) - Generating Natural Language Queries for More Effective Systematic Review
Screening Prioritisation [53.77226503675752]
現在の技術状況では、レビューの最終タイトルをクエリとして、BERTベースのニューラルランクラを使用してドキュメントのランク付けに使用しています。
本稿では,ChatGPT や Alpaca などの命令ベース大規模言語モデルによって生成される文書の検索に使用される Boolean クエリやクエリなど,スクリーニングを優先するクエリの代替源について検討する。
私たちのベストアプローチは、スクリーニング時に利用可能な情報に基づいて実現されるだけでなく、最終タイトルと同じような効果があります。
論文 参考訳（メタデータ） (2023-09-11T05:12:14Z) - Biomedical Named Entity Recognition via Dictionary-based Synonym
Generalization [51.89486520806639]
本研究では,入力テキストに含まれる生物医学的概念をスパンベース予測を用いて認識する,新しいSynGenフレームワークを提案する。
提案手法を広範囲のベンチマークで広範囲に評価し,SynGenが従来の辞書ベースモデルよりも顕著なマージンで優れていることを確認した。
論文 参考訳（メタデータ） (2023-05-22T14:36:32Z) - Can ChatGPT Write a Good Boolean Query for Systematic Review Literature
Search? [31.797257552928336]
トランスフォーマーベースの生成モデルは、ユーザからの指示を効果的に追従し、実行中の命令に基づいて回答を生成することができる。
ChatGPTは、高い検索精度につながるクエリを生成することができるが、リコールのためにこれをトレーディングオフする。
論文 参考訳（メタデータ） (2023-02-03T01:28:25Z) - Keyword Embeddings for Query Suggestion [3.7900158137749322]
本稿では,科学文献に基づいて学習したキーワード提案タスクのための2つの新しいモデルを提案する。
我々の手法はWord2VecとFastTextのアーキテクチャに適応し、文書のキーワード共起を利用してキーワード埋め込みを生成する。
我々は,タスクのベースラインよりも大幅に改善された,最先端の単語と文の埋め込みモデルに対する提案を評価した。
論文 参考訳（メタデータ） (2023-01-19T11:13:04Z) - MeSH Suggester: A Library and System for MeSH Term Suggestion for
Systematic Review Boolean Query Construction [29.61381068463731]
我々は、Web ベースの MeSH 項提案プロトタイプシステムと、我々の MeSH 項提案メソッドを実装した Python ライブラリを作成する。
本稿では,Web ベースシステムのアーキテクチャと,それを MeSH 項提案タスクに利用する方法について述べる。
Pythonライブラリについて、さらに研究と実験を進めるために、ライブラリがどのように使用できるかを説明します。
論文 参考訳（メタデータ） (2022-12-18T05:32:19Z) - Semantic Search for Large Scale Clinical Ontologies [63.71950996116403]
本稿では,大規模臨床語彙検索システムを構築するための深層学習手法を提案する。
本稿では,意味学習データに基づくトレーニングデータを生成するTriplet-BERTモデルを提案する。
このモデルは,5つの実ベンチマークデータセットを用いて評価され,提案手法は自由テキストから概念,概念まで,概念語彙の検索において高い結果が得られることを示す。
論文 参考訳（メタデータ） (2022-01-01T05:15:42Z) - A multi-perspective combined recall and rank framework for Chinese
procedure terminology normalization [11.371582109211815]
本論文では、中国語の手続き用語正規化に焦点を当てる。
用語の表現は様々であり、医学的言及は複数の用語に関連付けられることがある。
上記の課題を解決するため、リコールとランクフレームワークを組み合わせた提案を行います。
論文 参考訳（メタデータ） (2021-01-22T13:37:10Z) - On the Combined Use of Extrinsic Semantic Resources for Medical
Information Search [0.0]
本研究は,頭部医学的概念を冗長な問合せで強調・拡張する枠組みを開発する。
また、意味的に強化された逆インデックス文書も作成する。
提案手法の有効性を実証するため,CLEF 2014データセット上でいくつかの実験を行った。
論文 参考訳（メタデータ） (2020-05-17T14:18:04Z)
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。