論文の概要: Systematic Analysis of COVID-19 Ontologies
- arxiv url: http://arxiv.org/abs/2310.18315v1
- Date: Fri, 15 Sep 2023 18:17:01 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-15 16:43:58.969264
- Title: Systematic Analysis of COVID-19 Ontologies
- Title（参考訳）: 新型コロナウイルスのオントロジーの系統解析
- Authors: Debanjali Bain and Biswanath Dutta
- Abstract要約: この研究は、関連する文献の体系的なレビューを伴って、二重段階のアプローチによって実施される。
新型コロナウイルスのオントロジー(CovOs)を24種選択し,検討した。
METHONTOLOGYアプローチは、しばしばアプリケーションベースまたはデータ中心の評価手法と組み合わせて、好ましい設計手法として現れる。
- 参考スコア（独自算出の注目度）: 5.286727853896068
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This comprehensive study conducts an in-depth analysis of existing COVID-19
ontologies, scrutinizing their objectives, classifications, design
methodologies, and domain focal points. The study is conducted through a
dual-stage approach, commencing with a systematic review of relevant literature
and followed by an ontological assessment utilizing a parametric methodology.
Through this meticulous process, twenty-four COVID-19 Ontologies (CovOs) are
selected and examined. The findings highlight the scope, intended purpose,
granularity of ontology, modularity, formalism, vocabulary reuse, and extent of
domain coverage. The analysis reveals varying levels of formality in ontology
development, a prevalent preference for utilizing OWL as the representational
language, and diverse approaches to constructing class hierarchies within the
models. Noteworthy is the recurrent reuse of ontologies like OBO models (CIDO,
GO, etc.) alongside CODO. The METHONTOLOGY approach emerges as a favored design
methodology, often coupled with application-based or data-centric evaluation
methods. Our study provides valuable insights for the scientific community and
COVID-19 ontology developers, supplemented by comprehensive ontology metrics.
By meticulously evaluating and documenting COVID-19 information-driven
ontological models, this research offers a comparative cross-domain
perspective, shedding light on knowledge representation variations. The present
study significantly enhances understanding of CovOs, serving as a consolidated
resource for comparative analysis and future development, while also
pinpointing research gaps and domain emphases, thereby guiding the trajectory
of future ontological advancements.
- Abstract（参考訳）: この包括的な研究は、既存のcovid-19オントロジーの詳細な分析を行い、その目的、分類、設計方法論、ドメイン焦点を精査する。
この研究は2段階のアプローチで行われ、関連する文献を体系的にレビューし、パラメトリック方法論を用いたオントロジ評価を行う。
この精巧なプロセスを通じて、24のCOVID-19オントロジー(CovOs)が選択され、検査される。
この発見は、オントロジー、モジュール性、フォーマリズム、語彙再利用、ドメインカバレッジの範囲、意図された目的、粒度を浮き彫りにした。
この分析は、オントロジー開発における形式性の様々なレベル、表象言語としてOWLを利用するための一般的な好み、モデル内でクラス階層を構築するための様々なアプローチを明らかにする。
注目すべきは、CODOと共にOBOモデル(CIDO、GOなど)のようなオントロジーの繰り返し再利用である。
METHONTOLOGYアプローチは、しばしばアプリケーションベースまたはデータ中心の評価手法と組み合わせて、好ましい設計手法として現れる。
本研究は,総合的なオントロジー指標によって補完される,科学コミュニティと新型コロナウイルスオントロジー開発者にとって貴重な洞察を提供する。
この研究は、新型コロナウイルス情報駆動型オントロジモデルの評価と文書化によって、知識表現のバリエーションに光を当てて、ドメイン間比較の視点を提供する。
本研究は,covosの理解を著しく向上させ,比較分析と今後の発展のための統合資源となりつつ,研究ギャップやドメイン・エミレーションも特定し,今後の存在論的進歩の軌跡を導く。
関連論文リスト
- A Survey of Model Architectures in Information Retrieval [64.75808744228067]
機能抽出のためのバックボーンモデルと、関連性推定のためのエンドツーエンドシステムアーキテクチャの2つの重要な側面に焦点を当てる。
従来の用語ベースの手法から現代のニューラルアプローチまで,特にトランスフォーマーベースのモデルとそれに続く大規模言語モデル(LLM)の影響が注目されている。
我々は、パフォーマンスとスケーラビリティのアーキテクチャ最適化、マルチモーダル、マルチランガルデータの処理、従来の検索パラダイムを超えた新しいアプリケーションドメインへの適応など、新たな課題と今後の方向性について議論することで結論付けた。
論文 参考訳（メタデータ） (2025-02-20T18:42:58Z) - A Survey on Computational Pathology Foundation Models: Datasets, Adaptation Strategies, and Evaluation Tasks [22.806228975730008]
計算病理基盤モデル (CPathFMs) は, 組織学的データを解析するための強力なアプローチとして出現している。
これらのモデルは、セグメンテーション、分類、バイオマーカー発見のような複雑な病理タスクを自動化することを約束している。
しかし、CPathFMsの開発は、データアクセシビリティの制限、データセット間の高いばらつき、標準化された評価ベンチマークの欠如など、大きな課題を呈している。
論文 参考訳（メタデータ） (2025-01-27T01:27:59Z) - Multimodal Marvels of Deep Learning in Medical Diagnosis: A Comprehensive Review of COVID-19 Detection [3.005401300442587]
本研究は、新型コロナウイルスを例として、診断における多モード深層学習(DL)の可能性について概説する。
新型コロナウイルス(COVID-19)パンデミックの間、人工知能の応用が成功し、病気のスクリーニング、予測、分類におけるDLの能力を明らかにすることを目的としている。
論文 参考訳（メタデータ） (2025-01-16T12:38:49Z) - State-of-the-art Advances of Deep-learning Linguistic Steganalysis Research [6.99735992267331]
本研究は,既存のコントリビューションを包括的にレビューし,発達軌跡の評価を行う。
まず、この分野とテキスト分類の領域の違いを比較しながら、言語ステガナリシスの一般式を公式化した。
既存の研究をベクトル空間マッピングと特徴抽出モデルに基づいて2つのレベルに分類し,研究の動機,モデルの利点,その他の詳細を比較検討した。
論文 参考訳（メタデータ） (2024-09-03T10:49:42Z) - Ontology Embedding: A Survey of Methods, Applications and Resources [54.3453925775069]
オンロジはドメインの知識とメタデータを表現するために広く使われている。
直接支援できる論理的推論は、学習、近似、予測において非常に限られています。
1つの簡単な解決策は、統計分析と機械学習を統合することである。
論文 参考訳（メタデータ） (2024-06-16T14:49:19Z) - Recognizing Identities From Human Skeletons: A Survey on 3D Skeleton Based Person Re-Identification [60.939250172443586]
3Dスケルトンによる人物の再同定は、パターン認識コミュニティ内で注目を集める重要な研究分野である。
近年のSRID進歩の総合的なレビューと分析を行っている。
様々なベンチマークやプロトコルを用いて、最先端のSRID手法の徹底的な評価を行い、その有効性と効率性を比較した。
論文 参考訳（メタデータ） (2024-01-27T04:52:24Z) - Domain-specific optimization and diverse evaluation of self-supervised
models for histopathology [9.450129206898115]
組織学におけるタスク固有の深層学習モデルは、診断、臨床研究、精密医療を改善するための有望な機会を提供する。
自己教師型学習(SSL)による病理組織学の基礎モデルの開発と評価について述べる。
論文 参考訳（メタデータ） (2023-10-20T03:38:07Z) - A Diachronic Analysis of Paradigm Shifts in NLP Research: When, How, and
Why? [84.46288849132634]
本稿では、因果発見と推論技術を用いて、科学分野における研究トピックの進化を分析するための体系的な枠組みを提案する。
我々は3つの変数を定義し、NLPにおける研究トピックの進化の多様な側面を包含する。
我々は因果探索アルゴリズムを用いてこれらの変数間の因果関係を明らかにする。
論文 参考訳（メタデータ） (2023-05-22T11:08:00Z) - EBOCA: Evidences for BiOmedical Concepts Association Ontology [55.41644538483948]
本論文は,生物医学領域の概念とそれらの関連性を記述するオントロジーであるEBOCAと,それらの関連性を支持するエビデンスを提案する。
DISNETのサブセットから得られるテストデータとテキストからの自動アソシエーション抽出が変換され、実際のシナリオで使用できる知識グラフが作成されるようになった。
論文 参考訳（メタデータ） (2022-08-01T18:47:03Z) - A review of ontologies for smart and continuous commissioning [0.0]
オントロジーは、データや機械による推論を促進するため、建物の継続的なコミッショニング(SCCx)において重要な役割を果たす。
本稿では、2014年以降のSCCxドメインにおけるデータ構築に関する最先端の研究について概説する。
論文 参考訳（メタデータ） (2022-05-11T13:59:45Z) - Deep Co-Attention Network for Multi-View Subspace Learning [73.3450258002607]
マルチビューサブスペース学習のための深層コアテンションネットワークを提案する。
共通情報と相補情報の両方を敵意で抽出することを目的としている。
特に、新しいクロス再構成損失を使用し、ラベル情報を利用して潜在表現の構築を誘導する。
論文 参考訳（メタデータ） (2021-02-15T18:46:44Z)
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。