Fugu-MT 論文翻訳(概要): COV19IR : COVID-19 Domain Literature Information Retrieval

論文の概要: COV19IR : COVID-19 Domain Literature Information Retrieval

arxiv url: http://arxiv.org/abs/2211.04013v1
Date: Tue, 8 Nov 2022 05:12:37 GMT
ステータス: 処理完了
システム内更新日: 2022-11-09 16:47:25.087799
Title: COV19IR : COVID-19 Domain Literature Information Retrieval
Title（参考訳）: COV19IR : 新型コロナウイルスの文献検索
Authors: Arusarka Bose (1), Zili Zhou (2), Guandong Xu (3) ((1) Indian Institute of Technology Kharagpur, (2) University of Manchester, (3) University of Technology Sydney)
Abstract要約: 本研究は、新型コロナウイルスの文献検索と質問応答の2つの課題について紹介する。トランスフォーマーニューラルネットワークに基づいて、CORD-19データセット上でタスクを実装するソリューションを提供しました。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Increasing number of COVID-19 research literatures cause new challenges in effective literature screening and COVID-19 domain knowledge aware Information Retrieval. To tackle the challenges, we demonstrate two tasks along withsolutions, COVID-19 literature retrieval, and question answering. COVID-19 literature retrieval task screens matching COVID-19 literature documents for textual user query, and COVID-19 question answering task predicts proper text fragments from text corpus as the answer of specific COVID-19 related questions. Based on transformer neural network, we provided solutions to implement the tasks on CORD-19 dataset, we display some examples to show the effectiveness of our proposed solutions.
Abstract（参考訳）: 新型コロナウイルス研究文献の増加は、効果的な文献スクリーニングと、情報検索を意識したドメイン知識に新たな課題をもたらす。課題に取り組むために,ソリューション,covid-19文献検索,質問応答という2つの課題を実証する。新型コロナウイルス(covid-19)の文献検索タスク画面は、新型コロナウイルスに関する特定の質問の答えとして、テキストコーパスから適切なテキスト断片を予測する。トランスフォーマーニューラルネットワークに基づいて,cord-19データセット上でタスクを実装するためのソリューションを提供し,提案手法の有効性を示すいくつかの例を示す。

関連論文リスト

Asking Multimodal Clarifying Questions in Mixed-Initiative Conversational Search [89.1772985740272]
混合開始型会話検索システムでは、質問を明確にすることで、意図を単一のクエリで表現するのに苦労するユーザを支援する。マルチモーダル情報が関係するシナリオでは、非テクスチャ情報を用いることで、明確化のプロセスを改善することができると仮定する。質問を明確にする4k以上のマルチモーダルを含むMelonというデータセットを収集し、14k以上の画像で濃縮する。クエリの明確化フェーズにおけるマルチモーダルコンテンツの重要性を理解するために,いくつかの解析を行った。
論文参考訳（メタデータ） (2024-02-12T16:04:01Z)
An Information Retrieval and Extraction Tool for Covid-19 Related Papers [0.0]
本論文の主な焦点は、研究者に新型コロナウイルス関連論文のより良い検索ツールを提供することである。我々は,CORD-19論文のトピックベースの検索を自動化し,研究者を支援する可能性を示した。
論文参考訳（メタデータ） (2024-01-20T01:34:50Z)
Coarse-to-Fine Covid-19 Segmentation via Vision-Language Alignment [6.754040546065469]
テキスト情報をマージするためのビジョン・ランゲージアライメントによる粗大なセグメント化フレームワークであるC2FVLを提案する。テキスト情報の導入により、ネットワークは挑戦的なデータセットの予測結果をより良いものにすることができる。我々は胸部X線とCTを含む2つのCOVID-19データセットについて広範な実験を行い、提案手法が他の最先端セグメンテーション法より優れていることを示す。
論文参考訳（メタデータ） (2023-03-01T07:01:29Z)
COVID-19 Multidimensional Kaggle Literature Organization [3.201839066679614]
因子化は文書コーパスに隠されたパターンを発見できる強力な教師なし学習手法であることを示す。コーパスの高次表現により,類似記事,関連雑誌,類似研究論文の執筆者,話題キーワードの同時グループ化が可能となることを示す。
論文参考訳（メタデータ） (2021-07-17T06:16:36Z)
A Dataset of Information-Seeking Questions and Answers Anchored in Research Papers [66.11048565324468]
1,585の自然言語処理論文に関する5,049の質問のデータセットを提示する。各質問は、対応する論文のタイトルと要約のみを読むNLP実践者によって書かれ、質問は全文に存在する情報を求めます。他のQAタスクでうまく機能する既存のモデルは、これらの質問に答える上ではうまく機能せず、論文全体から回答する際には、少なくとも27 F1ポイントパフォーマンスが低下します。
論文参考訳（メタデータ） (2021-05-07T00:12:34Z)
Learning Invariant Representations across Domains and Tasks [81.30046935430791]
本稿では,この教師なしタスク転送問題を解決するための新しいタスク適応ネットワーク(tan)を提案する。ドメイン・アドバーサル・トレーニングによる伝達可能な機能を学習することに加えて、学習から学習への戦略を用いてタスクの意味を適応させる新しいタスク・セマンティクス・アダプタを提案する。 TANは最近の強いベースラインに比べてリコールとF1スコアを5.0%と7.8%大きく向上させた。
論文参考訳（メタデータ） (2021-03-03T11:18:43Z)
CO-Search: COVID-19 Information Retrieval with Semantic Search, Question Answering, and Abstractive Summarization [53.67205506042232]
CO-Searchは、新型コロナウイルスの文献上の複雑なクエリを処理するように設計された、レトリバーランサーセマンティック検索エンジンである。ドメイン固有の比較的限られたデータセットを考慮し、文書の段落と引用の2部グラフを生成する。 TREC-COVID情報検索課題のデータに基づいて,本システムの評価を行った。
論文参考訳（メタデータ） (2020-06-17T01:32:48Z)
CAiRE-COVID: A Question Answering and Query-focused Multi-Document Summarization System for COVID-19 Scholarly Information Management [48.251211691263514]
我々は、リアルタイム質問応答(QA)とマルチドキュメント要約システムであるCAiRE-COVIDを紹介し、Kaggle COVID-19 Open Researchデータセットチャレンジで10のタスクのうちの1つを勝ち取った。本システムの目的は,コミュニティからの優先度の高い質問に答えることによって,新型コロナウイルスに関する数多くの学術論文をマイニングすることにある。
論文参考訳（メタデータ） (2020-05-04T15:07:27Z)
Rapidly Bootstrapping a Question Answering Dataset for COVID-19 [88.86456834766288]
我々は、新型コロナウイルスに特化して設計された質問応答データセットの始まりであるCovidQAを紹介する。これは、そのタイプの最初の公開リソースであり、より実質的な評価資源が利用可能になるまで研究を導くためのストップギャップとして意図されている。
論文参考訳（メタデータ） (2020-04-23T17:35:11Z)
CORD-19: The COVID-19 Open Research Dataset [28.556291682259477]
CORD-19は、新型コロナウイルスとその関連歴史的研究に関する科学論文の資源が増えている。 CORD-19はリリース以来、200万回以上ダウンロードされ、多くのCOVID-19テキストマイニングおよび発見システムの基盤となっている。
論文参考訳（メタデータ） (2020-04-22T17:10:18Z)

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。