Fugu-MT 論文翻訳(概要): Towards Detecting Cascades of Biased Medical Claims on Twitter

論文の概要: Towards Detecting Cascades of Biased Medical Claims on Twitter

arxiv url: http://arxiv.org/abs/2312.15040v1
Date: Fri, 22 Dec 2023 20:10:50 GMT
ステータス: 処理完了
システム内更新日: 2023-12-27 20:13:37.215647
Title: Towards Detecting Cascades of Biased Medical Claims on Twitter
Title（参考訳）: twitter上のバイアスド・メディカル・クレームのカスケード検出に向けて
Authors: Libby Tiderman, Juan Sanchez Mercedes, Fiona Romanoschi, Fabricio Murai
Abstract要約: われわれはTwitter上の偏見のある医療クレームを特定し、その拡散を測定する。本稿では,医学的クレームを検出するRoBERTaとバイアスを分類するDistilBERTという2つのモデルを用いた機械学習フレームワークを提案する。
参考スコア（独自算出の注目度）: 1.7205106391379026
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Social media may disseminate medical claims that highlight misleading correlations between social identifiers and diseases due to not accounting for structural determinants of health. Our research aims to identify biased medical claims on Twitter and measure their spread. We propose a machine learning framework that uses two models in tandem: RoBERTa to detect medical claims and DistilBERT to classify bias. After identifying original biased medical claims, we conducted a retweet cascade analysis, computing their individual reach and rate of spread. Tweets containing biased claims were found to circulate faster and further than unbiased claims.
Abstract（参考訳）: ソーシャルメディアは、社会的識別子と病気の間の誤解を招く相関関係を強調する医療的主張を広める可能性がある。われわれの研究は、Twitter上の偏りのある医療クレームを特定し、その拡散を測定することを目的としている。本稿では,医学的クレームを検出するRoBERTaとバイアスを分類するDistilBERTという2つのモデルを用いた機械学習フレームワークを提案する。偏りのある医療クレームを特定した後、リツイートカスケード分析を行い、個々のリーチと拡散率を計算した。偏りのあるクレームを含むツイートは、偏りのないクレームよりも速く、さらに拡散することが判明した。

関連論文リスト

Missci: Reconstructing Fallacies in Misrepresented Science [84.32990746227385]
ソーシャルネットワーク上の健康関連の誤報は、意思決定の貧弱さと現実世界の危険につながる可能性がある。ミスシは、誤った推論のための新しい議論理論モデルである。大規模言語モデルの批判的推論能力をテストするためのデータセットとしてMissciを提案する。
論文参考訳（メタデータ） (2024-06-05T12:11:10Z)
Correlating Medi- Claim Service by Deep Learning Neural Networks [0.0]
医療保険請求は、患者、医師、診断センター、保険提供者に関連する組織犯罪である。畳み込みニューラルネットワークアーキテクチャは、回帰モデルの相関研究を通じて不正なクレームを検出するために使用される。監視および教師なしの分類器は、不正や不正なクレームを検出するために使用される。
論文参考訳（メタデータ） (2023-08-08T07:40:21Z)
Semantic Similarity Models for Depression Severity Estimation [53.72188878602294]
本稿では、ソーシャルメディアの文章に基づいて、個人のうつ病の重症度を研究するための効率的なセマンティックパイプラインを提案する。我々は,抑うつ症状と重度レベルに対応する代表訓練文の指標に対して意味的ランキングを生成するために,テストユーザ文を使用する。本手法を2つのRedditベースのベンチマークで評価し,うつ病の重症度を指標として,最先端技術よりも30%改善した。
論文参考訳（メタデータ） (2022-11-14T18:47:26Z)
Empowering the Fact-checkers! Automatic Identification of Claim Spans on Twitter [25.944789217337338]
Claim Span Identification (CSI) は、投稿に存在するクレーム価値(ミス)情報スニペットを自動的に識別し、抽出するツールである。トークンレベルのクレームを7.5k以上のツイートに分散した大規模TwitterコーパスであるCURTを提案する。我々は、RoBERTaのアダプタベースのバリエーションであるDABERTaでデータセットをベンチマークする。
論文参考訳（メタデータ） (2022-10-10T14:08:46Z)
Entity-based Claim Representation Improves Fact-Checking of Medical Content in Tweets [12.447379545167642]
ソーシャルメディア上の偽の医療情報は、人々の健康に害を与える。他のテキストジャンルのモデルは、トレーニングされた主張が実質的に異なるため、再利用可能なものではないかもしれない。本稿では,確立したデータセットのクレーム特性を模倣するように,ソーシャルメディア入力を再構築することを提案する。
論文参考訳（メタデータ） (2022-09-16T09:59:22Z)
Applications of Machine Learning to the Identification of Anomalous ER Claims [0.0]
不適切な医療保険の支払いは、米国で毎年数千億ドルの医療費を負担する。この記事では、ERクレームに特化している2つの戦略について述べる。平均符号化異常スコアの統計的に有意な差は, 既往のERと急性病院で観察される。
論文参考訳（メタデータ） (2022-06-16T11:19:04Z)
The SAME score: Improved cosine based bias score for word embeddings [49.75878234192369]
埋め込みにおけるセマンティックバイアスのための新しいバイアススコアであるPetを紹介した。本研究は,下水道作業における意味バイアスを測定し,社会的バイアスの潜在的な原因を特定することができることを示す。
論文参考訳（メタデータ） (2022-03-28T09:28:13Z)
Pseudo Bias-Balanced Learning for Debiased Chest X-ray Classification [57.53567756716656]
本研究では, バイアスラベルを正確に把握せず, 脱バイアス胸部X線診断モデルの開発について検討した。本稿では,まずサンプルごとのバイアスラベルをキャプチャし,予測する新しいアルゴリズム,擬似バイアスバランス学習を提案する。提案手法は他の最先端手法よりも一貫した改善を実現した。
論文参考訳（メタデータ） (2022-03-18T11:02:18Z)
Semi-Supervised Variational Reasoning for Medical Dialogue Generation [70.838542865384]
医療対話生成には,患者の状態と医師の行動の2つの重要な特徴がある。医療対話生成のためのエンドツーエンドの変分推論手法を提案する。行動分類器と2つの推論検出器から構成される医師政策ネットワークは、拡張推論能力のために提案される。
論文参考訳（メタデータ） (2021-05-13T04:14:35Z)
Claim Detection in Biomedical Twitter Posts [11.335643770130238]
生体医学に関する誤った情報は特に危険である。我々は、この研究ギャップを埋め、暗黙的かつ明示的なバイオメディカルクレームのために1200ツイートのコーパスに注釈を付けることを目指している。クレームを含むツイートを自動的に検出するベースラインモデルを開発。
論文参考訳（メタデータ） (2021-04-23T14:45:31Z)
Unifying Relational Sentence Generation and Retrieval for Medical Image Report Composition [142.42920413017163]
現在の手法は、個々のケースのデータセットバイアスにより、しばしば最も一般的な文を生成する。テンプレート検索と文生成を一体化し、共通およびまれな異常に対処する新しいフレームワークを提案する。
論文参考訳（メタデータ） (2021-01-09T04:33:27Z)

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。