論文の概要: Contributions to the Improvement of Question Answering Systems in the
Biomedical Domain
- arxiv url: http://arxiv.org/abs/2307.13631v1
- Date: Tue, 25 Jul 2023 16:31:20 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-26 16:05:35.670483
- Title: Contributions to the Improvement of Question Answering Systems in the
Biomedical Domain
- Title（参考訳）: バイオメディカル領域における質問応答システムの改善への貢献
- Authors: Mourad Sarrouti
- Abstract要約: この論文は、生物医学領域における質問応答(QA)の枠組みに該当する。
バイオメディカル領域におけるQAの性能向上のための4つのコントリビューションを提案する。
我々はSemBioNLQAと呼ばれる完全に自動化されたセマンティックバイオメディカルQAシステムを開発した。
- 参考スコア（独自算出の注目度）: 0.951828574518325
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This thesis work falls within the framework of question answering (QA) in the
biomedical domain where several specific challenges are addressed, such as
specialized lexicons and terminologies, the types of treated questions, and the
characteristics of targeted documents. We are particularly interested in
studying and improving methods that aim at finding accurate and short answers
to biomedical natural language questions from a large scale of biomedical
textual documents in English. QA aims at providing inquirers with direct, short
and precise answers to their natural language questions. In this Ph.D. thesis,
we propose four contributions to improve the performance of QA in the
biomedical domain. In our first contribution, we propose a machine
learning-based method for question type classification to determine the types
of given questions which enable to a biomedical QA system to use the
appropriate answer extraction method. We also propose an another machine
learning-based method to assign one or more topics (e.g., pharmacological,
test, treatment, etc.) to given questions in order to determine the semantic
types of the expected answers which are very useful in generating specific
answer retrieval strategies. In the second contribution, we first propose a
document retrieval method to retrieve a set of relevant documents that are
likely to contain the answers to biomedical questions from the MEDLINE
database. We then present a passage retrieval method to retrieve a set of
relevant passages to questions. In the third contribution, we propose specific
answer extraction methods to generate both exact and ideal answers. Finally, in
the fourth contribution, we develop a fully automated semantic biomedical QA
system called SemBioNLQA which is able to deal with a variety of natural
language questions and to generate appropriate answers by providing both exact
and ideal answers.
- Abstract（参考訳）: この論文は、専門の辞書や用語、治療された質問の種類、対象文書の特徴など、いくつかの特定の課題に対処する生体医学領域における質問応答(QA)の枠組みに該当する。
特に,生物医学的な自然言語に関する質問に対して,英語の大規模文書から正確かつ短時間の回答を求める手法の研究と改善に関心がある。
QAは、自然言語の質問に対して、直接的で短く正確な回答を提供することを目的としている。
本論文では,生物医学領域におけるQAの性能向上のための4つの貢献を提案する。
最初のコントリビューションでは,バイオメディカルQAシステムで適切な回答抽出を行うことができる質問の種類を決定するための,質問型分類のための機械学習手法を提案する。
また,与えられた質問に対して1つ以上の話題(薬理学,試験,治療など)を割り当てて,具体的な回答検索戦略の作成に非常に有用な期待回答の意味型を決定する別の機械学習ベースの手法を提案する。
第2のコントリビューションでは,MEDLINEデータベースからバイオメディカル質問に対する回答を含む可能性のある関連文書の集合を検索する文書検索手法を提案する。
次に,質問に対する関連項目の集合を検索する経路検索手法を提案する。
第3の貢献では, 正解と理想解の両方を生成するために, 特定の回答抽出法を提案する。
最後に、第4の貢献として、様々な自然言語質問に対処し、正確かつ理想的な回答を提供することで適切な回答を生成する、sembionlqaと呼ばれる完全に自動化されたセマンティックバイオメディカルqaシステムを開発しました。
関連論文リスト
- How to Engage Your Readers? Generating Guiding Questions to Promote Active Reading [60.19226384241482]
教科書や科学論文から10Kのインテキスト質問のデータセットであるGuidingQを紹介した。
言語モデルを用いてこのような質問を生成するための様々なアプローチを探索する。
我々は、そのような質問が読解に与える影響を理解するために、人間の研究を行う。
論文 参考訳（メタデータ） (2024-07-19T13:42:56Z) - Developing ChatGPT for Biology and Medicine: A Complete Review of
Biomedical Question Answering [25.569980942498347]
ChatGPTは、医療診断、治療レコメンデーション、その他の医療支援の提供において、QA(QA)の戦略的青写真を探っている。
これは、自然言語処理(NLP)とマルチモーダルパラダイムによる医療領域データの取り込みの増加によって達成される。
論文 参考訳（メタデータ） (2024-01-15T07:21:16Z) - Generating Explanations in Medical Question-Answering by Expectation
Maximization Inference over Evidence [33.018873142559286]
本稿では,医療用QAシステムによって予測される回答に対して,自然言語による説明を生成するための新しい手法を提案する。
本システムは,説明生成過程における説明の質を高めるために,医学教科書から知識を抽出する。
論文 参考訳（メタデータ） (2023-10-02T16:00:37Z) - Top K Relevant Passage Retrieval for Biomedical Question Answering [1.0636004442689055]
質問応答は、大量の文書を用いて事実のない質問に答えるタスクである。
既存のDense Passage Retrievalモデルは、2018年12月20日からWikipediaでトレーニングされている。
本研究では, バイオメディカル領域における既存のDPRフレームワークについて検討し, 医療上の疑問に答える信頼できる情報源である Pubmed の記事から回答を得た。
論文 参考訳（メタデータ） (2023-08-08T04:06:11Z) - LLaVA-Med: Training a Large Language-and-Vision Assistant for
Biomedicine in One Day [85.19963303642427]
本稿では,バイオメディカルイメージのオープンな研究課題に答えられる視覚言語対話アシスタントを訓練するための費用効率のよいアプローチを提案する。
モデルはまず、フィギュア・キャプションのペアを使ってバイオメディカル・ボキャブラリをアライメントし、その後、オープンエンドの会話意味論を習得する。
これにより、バイオメディジンのための大規模言語と視覚アシスタントを15時間以内で(8つのA100で)訓練することができる。
論文 参考訳（メタデータ） (2023-06-01T16:50:07Z) - Medical Question Understanding and Answering with Knowledge Grounding
and Semantic Self-Supervision [53.692793122749414]
本稿では,知識基盤とセマンティック・セルフスーパービジョンを備えた医療質問理解・回答システムについて紹介する。
我々のシステムは、まず、教師付き要約損失を用いて、長い医学的、ユーザによる質問を要約するパイプラインである。
システムはまず、信頼された医療知識ベースから要約されたユーザ質問とFAQとをマッチングし、対応する回答文書から一定の数の関連文を検索する。
論文 参考訳（メタデータ） (2022-09-30T08:20:32Z) - Medical Visual Question Answering: A Survey [55.53205317089564]
VQA(Medicical Visual Question Answering)は、医療用人工知能と一般的なVQA課題の組み合わせである。
医療用VQAシステムは,医療用画像と自然言語による臨床的に関連性のある質問を前提として,妥当かつ説得力のある回答を予測することが期待されている。
論文 参考訳（メタデータ） (2021-11-19T05:55:15Z) - Recent Advances in Automated Question Answering In Biomedical Domain [0.06922389632860546]
過去数十年間、知識の獲得が急増しており、その結果、バイオメディシン分野における新しい科学論文が指数関数的に増加してきた。
ドメインの専門家であっても、ドメイン内のすべての情報を追跡することは困難になっています。
商用検索エンジンの改善により、ユーザーはクエリーを入力し、クエリーに最も関連性の高いドキュメントの小さなセットを得ることができる。
これにより、ユーザが提供する自然言語の質問に対して、正確かつ正確な答えを見つけることを目的とした効率的なQAシステムの開発が必要になった。
論文 参考訳（メタデータ） (2021-11-10T20:51:29Z) - 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) - Biomedical Question Answering: A Comprehensive Review [19.38459023509541]
Question Answering (QA) は自然言語処理(NLP)のベンチマークであり、関連する文書、画像、知識ベース、質問-回答ペアを用いてモデルが与えられた質問に対する回答を予測する。
バイオメディシンのような特定のドメインでは、QAシステムは実際の環境では使われない。
バイオメディカルQA(BQA)は、新しいQAタスクとして、革新的なアプリケーションが複雑なバイオメディカル知識を効果的に知覚し、アクセスし、理解することを可能にする。
論文 参考訳（メタデータ） (2021-02-10T06:16:35Z) - Interpretable Multi-Step Reasoning with Knowledge Extraction on Complex
Healthcare Question Answering [89.76059961309453]
HeadQAデータセットには、公衆医療専門試験で認可された複数の選択質問が含まれている。
これらの質問は、現在のQAシステムにとって最も難しいものです。
知識抽出フレームワーク(MurKe)を用いた多段階推論を提案する。
市販の事前訓練モデルを完全に活用しようと努力しています。
論文 参考訳（メタデータ） (2020-08-06T02:47:46Z)
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。