論文の概要: A Semi-Automated Solution Approach Selection Tool for Any Use Case via
Scopus and OpenAI: a Case Study for AI/ML in Oncology
- arxiv url: http://arxiv.org/abs/2307.04573v1
- Date: Mon, 10 Jul 2023 14:07:28 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-11 12:52:05.020325
- Title: A Semi-Automated Solution Approach Selection Tool for Any Use Case via
Scopus and OpenAI: a Case Study for AI/ML in Oncology
- Title(参考訳): スコパスとOpenAIによる任意の症例に対する半自動解決策選択ツール : オンコロジーにおけるAI/MLの事例研究
- Authors: Deniz Kenan K{\i}l{\i}\c{c}, Alex Elkj{\ae}r Vasegaard, Aur\'elien
Desoeuvres, Peter Nielsen
- Abstract要約: 本稿では,解法レビューと選択のための半自動ツールを提案する。
研究者、実践者、意思決定者を対象とし、将来の作業のベンチマークとして機能する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: In today's vast literature landscape, a manual review is very time-consuming.
To address this challenge, this paper proposes a semi-automated tool for
solution method review and selection. It caters to researchers, practitioners,
and decision-makers while serving as a benchmark for future work. The tool
comprises three modules: (1) paper selection and scoring, using a keyword
selection scheme to query Scopus API and compute relevancy; (2) solution method
extraction in papers utilizing OpenAI API; (3) sensitivity analysis and
post-analyzes. It reveals trends, relevant papers, and methods. AI in the
oncology case study and several use cases are presented with promising results,
comparing the tool to manual ground truth.
- Abstract(参考訳): 今日の広大な文学の風景では、手作業によるレビューは非常に時間がかかります。
そこで本研究では,解法レビューと選択のための半自動ツールを提案する。
将来の作業のベンチマークとして、研究者、実践者、意思決定者を対象とする。
本ツールは,(1)紙の選択と採点,キーワードの選択スキームを用いた検索,(2)OpenAI APIを利用した論文における解法抽出,(3)感度分析と後分析の3つのモジュールから構成される。
傾向、関連論文、方法を明らかにする。
腫瘍学のケーススタディといくつかのユースケースにおけるAIは、有望な結果を示し、ツールを手動の土台真実と比較する。
関連論文リスト
- System for systematic literature review using multiple AI agents:
Concept and an empirical evaluation [5.194208843843004]
本稿では,システム文献レビューの実施プロセスの完全自動化を目的とした,新しいマルチAIエージェントモデルを提案する。
このモデルは、研究者がトピックを入力するユーザフレンドリーなインターフェースを介して動作する。
関連する学術論文を検索するために使用される検索文字列を生成する。
モデルはこれらの論文の要約を自律的に要約する。
論文 参考訳(メタデータ) (2024-03-13T10:27:52Z) - A Systematic Literature Review on Explainability for Machine/Deep
Learning-based Software Engineering Research [23.966640472958105]
本稿では,ソフトウェア工学の文脈におけるAIモデルの説明可能性の向上を目的とした,体系的な文献レビューを行う。
我々は,XAI技術がこれまで成功してきたSEタスク,(2)異なるXAI手法の分類と分析,(3)既存の評価手法を考察することを目的としている。
論文 参考訳(メタデータ) (2024-01-26T03:20:40Z) - Artificial intelligence to automate the systematic review of scientific
literature [0.0]
我々は過去15年間に提案されたAI技術について,研究者が科学的文献の体系的な分析を行うのを助けるために調査を行った。
現在サポートされているタスク、適用されるアルゴリズムの種類、34の初等研究で提案されているツールについて説明する。
論文 参考訳(メタデータ) (2024-01-13T19:12:49Z) - Artificial Intelligence in the automatic coding of interviews on
Landscape Quality Objectives. Comparison and case study [0.0]
3つの人工知能機能(Atlas.ti、ChatGPT、Google Bard)を比較した。
この分析は、多くの欠陥と欠点があるにもかかわらず、意図した目的のためにAIが有用であることを示した。
論文 参考訳(メタデータ) (2023-12-09T15:37:19Z) - AVIS: Autonomous Visual Information Seeking with Large Language Model
Agent [123.75169211547149]
本稿では,視覚的質問応答フレームワークAVISを提案する。
本手法は,LLM(Large Language Model)を利用して外部ツールの利用を動的に強化する。
AVIS は Infoseek や OK-VQA などの知識集約型視覚質問応答ベンチマークの最先端結果を達成する。
論文 参考訳(メタデータ) (2023-06-13T20:50:22Z) - Open Tracing Tools: Overview and Critical Comparison [10.196089289625599]
本稿では,一般的なOpenトレースツールの概要を比較を通じて示すことを目的としている。
われわれはまず,目的,体系的,再現可能な方法でRa30ツールを同定した。
その結果,1) 評価機能,2) ピアレビュー文学とオンラインメディアの両方での人気,3) メリットと課題を考察した。
論文 参考訳(メタデータ) (2022-07-14T12:52:32Z) - Human-in-the-Loop Disinformation Detection: Stance, Sentiment, or
Something Else? [93.91375268580806]
政治とパンデミックは、機械学習対応の偽ニュース検出アルゴリズムの開発に十分な動機を与えている。
既存の文献は、主に完全自動化されたケースに焦点を当てているが、その結果得られた技術は、軍事応用に必要な様々なトピック、ソース、時間スケールに関する偽情報を確実に検出することはできない。
既に利用可能なアナリストを人間のループとして活用することにより、感情分析、アスペクトベースの感情分析、姿勢検出といった標準的な機械学習技術は、部分的に自動化された偽情報検出システムに使用するためのもっとも有効な方法となる。
論文 参考訳(メタデータ) (2021-11-09T13:30:34Z) - OpenHoldem: An Open Toolkit for Large-Scale Imperfect-Information Game
Research [82.09426894653237]
OpenHoldemは、NLTHを用いた大規模不完全情報ゲーム研究のための統合ツールキットです。
1)異なるNLTH AIを徹底的に評価するための標準化された評価プロトコル、2)NLTH AIのための3つの公的に利用可能な強力なベースライン、3)公開NLTH AI評価のための使いやすいAPIを備えたオンラインテストプラットフォーム。
論文 参考訳(メタデータ) (2020-12-11T07:24:08Z) - Scaling Systematic Literature Reviews with Machine Learning Pipelines [57.82662094602138]
体系的なレビューは、科学的文書からデータを抽出する。
これらの側面をそれぞれ自動化するパイプラインを構築し、多くの人間時間対システム品質トレードオフを実験します。
人間の専門的アノテーションの2週間だけで、パイプラインシステム全体の驚くほどの精度と一般性が得られることが分かりました。
論文 参考訳(メタデータ) (2020-10-09T16:19:42Z) - Tradeoffs in Sentence Selection Techniques for Open-Domain Question
Answering [54.541952928070344]
文選択のためのモデルの2つのグループについて述べる。QAベースのアプローチは、解答候補を特定するための完全なQAシステムを実行し、検索ベースのモデルは、各質問に特に関連する各節の一部を見つける。
非常に軽量なQAモデルは、このタスクではうまく機能するが、検索ベースモデルは高速である。
論文 参考訳(メタデータ) (2020-09-18T23:39:15Z) - A Survey on Large-scale Machine Learning [67.6997613600942]
機械学習はデータに対する深い洞察を与え、マシンが高品質な予測を行うことを可能にする。
ほとんどの高度な機械学習アプローチは、大規模なデータを扱う場合の膨大な時間コストに悩まされる。
大規模機械学習は、ビッグデータからパターンを、同等のパフォーマンスで効率的に学習することを目的としている。
論文 参考訳(メタデータ) (2020-08-10T06:07:52Z)
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。