論文の概要: KESDT: knowledge enhanced shallow and deep Transformer for detecting adverse drug reactions

• arxiv url: http://arxiv.org/abs/2308.09329v1
• Date: Fri, 18 Aug 2023 06:10:11 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-21 14:14:45.499317
• Title: KESDT: knowledge enhanced shallow and deep Transformer for detecting adverse drug reactions
• Title（参考訳）: KESDT:副作用検出のための浅・深部変圧器の知識向上
• Authors: Yunzhi Qiu, Xiaokun Zhang, Weiwei Wang, Tongxuan Zhang, Bo Xu, Hongfei Lin
• Abstract要約: 本稿では,ADR検出のための知識強調シャロー・ディープトランスフォーマ(KESDT)モデルを提案する。 最初の問題に対処するため、浅い融合方式でトランスフォーマーモデルにドメインキーワードを組み込む。 低アノテートデータを克服するため、深層融合方式でトランスフォーマーモデルに同義集合を統合する。
• 参考スコア（独自算出の注目度）: 14.095117843726511
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Adverse drug reaction (ADR) detection is an essential task in the medical field, as ADRs have a gravely detrimental impact on patients' health and the healthcare system. Due to a large number of people sharing information on social media platforms, an increasing number of efforts focus on social media data to carry out effective ADR detection. Despite having achieved impressive performance, the existing methods of ADR detection still suffer from three main challenges. Firstly, researchers have consistently ignored the interaction between domain keywords and other words in the sentence. Secondly, social media datasets suffer from the challenges of low annotated data. Thirdly, the issue of sample imbalance is commonly observed in social media datasets. To solve these challenges, we propose the Knowledge Enhanced Shallow and Deep Transformer(KESDT) model for ADR detection. Specifically, to cope with the first issue, we incorporate the domain keywords into the Transformer model through a shallow fusion manner, which enables the model to fully exploit the interactive relationships between domain keywords and other words in the sentence. To overcome the low annotated data, we integrate the synonym sets into the Transformer model through a deep fusion manner, which expands the size of the samples. To mitigate the impact of sample imbalance, we replace the standard cross entropy loss function with the focal loss function for effective model training. We conduct extensive experiments on three public datasets including TwiMed, Twitter, and CADEC. The proposed KESDT outperforms state-of-the-art baselines on F1 values, with relative improvements of 4.87%, 47.83%, and 5.73% respectively, which demonstrates the effectiveness of our proposed KESDT.
• Abstract（参考訳）: 逆薬物反応(ADR)検出は、ADRが患者の健康と医療システムに致命的な影響を及ぼすため、医療分野において重要な課題である。 ソーシャルメディアプラットフォーム上での情報共有が盛んであることから,効果的なadr検出を行うためのソーシャルメディアデータへの取り組みが増えている。 優れた性能を達成したにもかかわらず、既存のADR検出方法には3つの大きな課題がある。 まず、研究者はドメインキーワードと文中の他の単語との相互作用を一貫して無視している。 第2に、ソーシャルメディアのデータセットは、低注釈データの課題に苦しむ。 第3に、サンプル不均衡の問題はソーシャルメディアデータセットで一般的に見られる。 これらの課題を解決するために,ADR検出のための知識強調シャロー・ディープトランスフォーマー(KESDT)モデルを提案する。 具体的には,まず,ドメインキーワードと文中の他の単語との対話的関係を十分に活用できるように,ドメインキーワードを浅い融合方式でトランスフォーマモデルに組み込む。 低アノテートデータを克服するために, サンプルサイズを拡大するディープフュージョン方式で, 変圧器モデルに同義語セットを統合する。 サンプル不均衡の影響を軽減するため, 標準クロスエントロピー損失関数を焦点損失関数に置き換え, 効果的なモデルトレーニングを行う。 TwiMed、Twitter、CADECを含む3つの公開データセットについて広範な実験を行った。 提案したKESDTは,F1値に対する最先端のベースラインをそれぞれ4.87%,47.83%,および5.73%で上回り,提案したKESDTの有効性を示した。

関連論文リスト

• Unraveling the "Anomaly" in Time Series Anomaly Detection: A Self-supervised Tri-domain Solution [89.16750999704969]
  異常ラベルは時系列異常検出において従来の教師付きモデルを妨げる。 自己教師型学習のような様々なSOTA深層学習技術がこの問題に対処するために導入されている。 自己教師型3領域異常検出器(TriAD)を提案する。
  論文  参考訳（メタデータ） (2023-11-19T05:37:18Z)
• Automatic diagnosis of knee osteoarthritis severity using Swin transformer [55.01037422579516]
  変形性膝関節症 (KOA) は膝関節の慢性的な痛みと硬直を引き起こす疾患である。 我々は,Swin Transformer を用いて KOA の重大度を予測する自動手法を提案する。
  論文  参考訳（メタデータ） (2023-07-10T09:49:30Z)
• Improving the Robustness of Summarization Systems with Dual Augmentation [68.53139002203118]
  頑健な要約システムは、入力中の特定の単語の選択やノイズに関わらず、文書のギストをキャプチャできるべきである。 まず,単語レベルの同義語置換や雑音を含む摂動に対する要約モデルの頑健性について検討する。 SummAttackerを提案する。これは言語モデルに基づく対数サンプルを生成するための効率的な手法である。
  論文  参考訳（メタデータ） (2023-06-01T19:04:17Z)
• Accurate and Robust Lesion RECIST Diameter Prediction and Segmentation with Transformers [22.528235432455524]
  本稿では, 病変RECIST径予測とセグメント化のためのトランスフォーマーネットワークを提案する。 病変のセグメンテーション、熱マップ予測、キーポイント回帰の3つの相関的および補的タスクとして定式化されている。 MeaFormerは大規模DeepLesionデータセット上でのRDPSの最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2022-08-28T01:43:21Z)
• SFF-DA: Sptialtemporal Feature Fusion for Detecting Anxiety Nonintrusively [16.170315080992182]
  本稿では,「3CNND+LSTM」と顔行動と非接触生理の相似性の特徴を融合したフレームワークを提案する。 我々のフレームワークは実世界のデータセットと2つの公開データセットで検証された。
  論文  参考訳（メタデータ） (2022-08-12T01:20:51Z)
• Mining Adverse Drug Reactions from Unstructured Mediums at Scale [0.0]
  副作用の薬物反応/事象(ADR/ADE)は、患者の健康と医療費に大きな影響を及ぼす。 ほとんどのADRは正式なチャンネルでは報告されないが、しばしば構造化されていない会話で記録される。 本研究では,非構造化自由テキスト会話におけるADRを検出する自然言語処理(NLP)ソリューションを提案する。
  論文  参考訳（メタデータ） (2022-01-05T01:52:42Z)
• Data Augmentation for Mental Health Classification on Social Media [0.0]
  オンライン利用者の精神障害はソーシャルメディア投稿を用いて決定される。 この領域における大きな課題は、ソーシャルメディアプラットフォーム上でユーザーが生成したテキストを使用するための倫理的クリアランスを活用することである。 メンタルヘルス分類のためのドメイン固有ユーザ生成テキストに対するデータ拡張手法の効果について検討した。
  論文  参考訳（メタデータ） (2021-12-19T05:09:01Z)
• Towards Unbiased Visual Emotion Recognition via Causal Intervention [63.74095927462]
  本稿では,データセットバイアスによる負の効果を軽減するために,新しい感情認識ネットワーク(IERN)を提案する。 IERNの有効性を検証する一連の設計されたテストと、3つの感情ベンチマークの実験は、IERNが他の最先端のアプローチよりも優れていることを示した。
  論文  参考訳（メタデータ） (2021-07-26T10:40:59Z)
• Generic Semi-Supervised Adversarial Subject Translation for Sensor-Based Human Activity Recognition [6.2997667081978825]
  本稿では,人間活動認識における半教師付きドメイン適応のための,新しい汎用的で堅牢なアプローチを提案する。 本手法は,対象対象対象と対象対象対象対象からのみ注釈付きサンプルからの知識を活用することにより,問題点に対処するための敵対的枠組みの利点を生かしている。 その結果,提案手法が最先端手法に対して有効であることを示し,オポチュニティ,LISSI,PAMAP2データセットの高レベルのアクティビティ認識指標を最大13%,4%,13%改善した。
  論文  参考訳（メタデータ） (2020-11-11T12:16:23Z)
• Fader Networks for domain adaptation on fMRI: ABIDE-II study [68.5481471934606]
  我々は3次元畳み込みオートエンコーダを用いて、無関係な空間画像表現を実現するとともに、ABIDEデータ上で既存のアプローチより優れていることを示す。
  論文  参考訳（メタデータ） (2020-10-14T16:50:50Z)
• DecAug: Augmenting HOI Detection via Decomposition [54.65572599920679]
  現在のアルゴリズムでは、データセット内のトレーニングサンプルやカテゴリの不均衡が不足している。 本稿では,HOI検出のためのDECAugと呼ばれる効率的かつ効率的なデータ拡張手法を提案する。 実験の結果,V-COCOおよびHICODETデータセットの3.3mAPと1.6mAPの改善が得られた。
  論文  参考訳（メタデータ） (2020-10-02T13:59:05Z)

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。