論文の概要: A Knowledge Graph-Based Search Engine for Robustly Finding Doctors and Locations in the Healthcare Domain

• arxiv url: http://arxiv.org/abs/2310.05258v1
• Date: Sun, 8 Oct 2023 18:28:17 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-12 08:49:21.121798
• Title: A Knowledge Graph-Based Search Engine for Robustly Finding Doctors and Locations in the Healthcare Domain
• Title（参考訳）: 医療領域における医師と位置情報のロバスト検索のための知識グラフベース検索エンジン
• Authors: Mayank Kejriwal, Hamid Haidarian, Min-Hsueh Chiu, Andy Xiang, Deep Shrestha, Faizan Javed
• Abstract要約: 知識グラフ(KG)は、半構造化データから洞察を収集する利点を組み合わせる強力な方法として登場した。 医療領域の医師や場所を確実に見つけるためのKGベースの検索エンジンアーキテクチャを提案する。
• 参考スコア（独自算出の注目度）: 3.268887739788112
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Efficiently finding doctors and locations is an important search problem for patients in the healthcare domain, for which traditional information retrieval methods tend not to work optimally. In the last ten years, knowledge graphs (KGs) have emerged as a powerful way to combine the benefits of gleaning insights from semi-structured data using semantic modeling, natural language processing techniques like information extraction, and robust querying using structured query languages like SPARQL and Cypher. In this short paper, we present a KG-based search engine architecture for robustly finding doctors and locations in the healthcare domain. Early results demonstrate that our approach can lead to significantly higher coverage for complex queries without degrading quality.
• Abstract（参考訳）: 医師や場所の効率的な発見は、従来の情報検索手法が最適に機能しない医療領域の患者にとって重要な検索問題である。 過去10年間、知識グラフ(kgs)は、セマンティクスモデリング、情報抽出のような自然言語処理技術、sparqlやcypherといった構造化クエリ言語を用いたロバストなクエリといった半構造化データから洞察を引き出すための強力な方法として登場してきた。 本稿では、医療領域の医師や場所を確実に見つけるために、KGベースの検索エンジンアーキテクチャを提案する。 初期の結果は、このアプローチが品質を低下させることなく、複雑なクエリのカバレッジを著しく向上させることを示している。

関連論文リスト

• DiscoverPath: A Knowledge Refinement and Retrieval System for Interdisciplinarity on Biomedical Research [96.10765714077208]
  従来のキーワードベースの検索エンジンは、特定の用語に慣れていないユーザーを支援するのに不足している。 本稿では, バイオメディカル研究のための知識グラフに基づく紙検索エンジンを提案し, ユーザエクスペリエンスの向上を図る。 DiscoverPathと呼ばれるこのシステムは、名前付きエンティティ認識(NER)とPOSタグを使って、記事の要約から用語や関係を抽出し、KGを作成する。
  論文  参考訳（メタデータ） (2023-09-04T20:52:33Z)
• A Review on Knowledge Graphs for Healthcare: Resources, Applications, and Promises [52.31710895034573]
  この研究は、医療知識グラフ(HKG)の最初の包括的なレビューを提供する。 HKG構築のためのパイプラインと重要なテクニックを要約し、一般的な利用方法も示す。 アプリケーションレベルでは、さまざまなヘルスドメインにわたるHKGの正常な統合を検討します。
  論文  参考訳（メタデータ） (2023-06-07T21:51:56Z)
• Medical Image Retrieval via Nearest Neighbor Search on Pre-trained Image Features [15.331765570210479]
  Nearest neighbor search (NNS) は、クエリポイントに最も近い高次元空間の点を見つけることを目的としている。 本稿では,異種医用画像からの関連画像の検索と検索を行う,効率的かつ効率的なアルゴリズムであるDenseLinkSearchを提案する。 我々は提案したNNSアプローチを広範囲に検証し、ベンチマークデータセットと作成した医用画像データセットの最先端NNSアプローチと比較した。
  論文  参考訳（メタデータ） (2022-10-05T17:21:11Z)
• A Meta-embedding-based Ensemble Approach for ICD Coding Prediction [64.42386426730695]
  国際疾病分類 (icd) は、世界中で臨床コーディングに使われているデファクトコードである。 これらのコードにより、医療提供者は償還を請求し、診断情報の効率的な保管と検索を容易にします。 提案手法は,日常的な医学データと科学論文の外部知識を用いて,効果的に単語ベクトルを訓練することにより,神経モデルの性能を高める。
  論文  参考訳（メタデータ） (2021-02-26T17:49:58Z)
• A New Neural Search and Insights Platform for Navigating and Organizing AI Research [56.65232007953311]
  我々は、古典的なキーワード検索とニューラル検索を組み合わせた新しいプラットフォームであるAI Research Navigatorを導入し、関連する文献を発見し整理する。 本稿では,システム全体のアーキテクチャの概要と,文書分析,質問応答,検索,分析,専門家検索,レコメンデーションの構成要素について概説する。
  論文  参考訳（メタデータ） (2020-10-30T19:12:25Z)
• Deep Graph Matching and Searching for Semantic Code Retrieval [76.51445515611469]
  本稿では,グラフニューラルネットワークに基づくエンドツーエンドのディープグラフマッチングと探索モデルを提案する。 まず、自然言語クエリテキストとプログラミング言語のコードスニペットをグラフ構造化データで表現する。 特に、DGMSは、個々のクエリテキストやコードスニペットのより構造的な情報をキャプチャするだけでなく、それらの微妙な類似性も学習する。
  論文  参考訳（メタデータ） (2020-10-24T14:16:50Z)
• A Modern Non-SQL Approach to Radiology-Centric Search Engine Design with Clinical Validation [0.0]
  本稿では,Radiologyの文脈において,文書ベース,セキュア,効率的,高精度な検索エンジンを開発するためのデノボプロセスを提案する。 効率的なデータベースアーキテクチャ、検索能力、臨床思考を活用することで、放射線学者は医療データのパワーを活用する最前線にいる。
  論文  参考訳（メタデータ） (2020-07-04T15:21:49Z)
• Learning Contextualized Document Representations for Healthcare Answer Retrieval [68.02029435111193]
  コンテキスト談話ベクトル(英: Contextual Discourse Vectors、CDV)は、長文からの効率的な回答検索のための分散文書表現である。 本モデルでは,階層型LSTMレイヤとマルチタスクトレーニングを併用したデュアルエンコーダアーキテクチャを用いて,臨床エンティティの位置と文書の談話に沿った側面をエンコードする。 我々の一般化モデルは、医療パスランキングにおいて、最先端のベースラインを著しく上回っていることを示す。
  論文  参考訳（メタデータ） (2020-02-03T15:47:19Z)
• Deep Learning in Cardiology [0.0]
  医療分野は、医師が解読し、効率的に使用できない大量のデータを作成している。 ディープラーニングは、幅広い医療問題において、より正確で効果的な技術として登場した。 ディープラーニング(Deep Learning)は、データを非線形に変換するレイヤで構成される表現学習手法である。
  論文  参考訳（メタデータ） (2019-02-22T10:09:11Z)

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。