論文の概要: AI-driven platform for systematic nomenclature and intelligent knowledge
acquisition of natural medicinal materials
- arxiv url: http://arxiv.org/abs/2401.00020v1
- Date: Wed, 27 Dec 2023 18:48:27 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-15 12:27:18.722642
- Title: AI-driven platform for systematic nomenclature and intelligent knowledge
acquisition of natural medicinal materials
- Title(参考訳): 自然薬品の体系的命名と知的知識獲得のためのai駆動プラットフォーム
- Authors: Zijie Yang, Yongjing Yin, Chaojun Kong, Tiange Chi, Wufan Tao, Yue
Zhang, Tian Xu
- Abstract要約: 我々は,ShennongAlphaを基盤としたNMMのための体系的命名法を提案する。
ShennongAlphaは、インテリジェントな知識獲得のために設計されたAI駆動のプラットフォームである。
標準化されたバイリンガル情報を備えた1万以上のNMMをカタログ化している。
- 参考スコア(独自算出の注目度): 22.549512569003326
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Natural Medicinal Materials (NMMs) have a long history of global clinical
applications, accompanied by extensive informational records. Despite their
significant impact on healthcare, the field faces a major challenge: the
non-standardization of NMM knowledge, stemming from historical complexities and
causing limitations in broader applications. To address this, we introduce a
Systematic Nomenclature for NMMs, underpinned by ShennongAlpha, an AI-driven
platform designed for intelligent knowledge acquisition. This nomenclature
system enables precise identification and differentiation of NMMs.
ShennongAlpha, cataloging over ten thousand NMMs with standardized bilingual
information, enhances knowledge management and application capabilities,
thereby overcoming traditional barriers. Furthermore, it pioneers AI-empowered
conversational knowledge acquisition and standardized machine translation.
These synergistic innovations mark the first major advance in integrating
domain-specific NMM knowledge with AI, propelling research and applications
across both NMM and AI fields while establishing a groundbreaking precedent in
this crucial area.
- Abstract(参考訳): 自然医学材料(nmms)は、広範な情報記録とともに、世界的な臨床応用の長い歴史を持っている。
NMM知識の標準化の非標準化は、歴史的複雑さから起因し、幅広い応用に制限をもたらす。
そこで我々は,知的知識獲得を目的としたAI駆動型プラットフォームであるShennongAlphaを基盤とする,NMMのための体系的命名法を導入する。
この命名システムは、NMMの正確な識別と識別を可能にする。
ShennongAlphaは、標準化されたバイリンガル情報で1万以上のNMMをカタログ化しており、知識管理とアプリケーション機能を強化し、従来の障壁を克服している。
さらに、aiによる会話的知識獲得と標準化された機械翻訳の先駆者でもある。
これらのシナジスティックな革新は、ドメイン固有のNMM知識をAIに統合し、NMMとAIの分野にまたがる研究と応用を推進し、この重要な領域において画期的な先例を確立した最初の大きな進歩である。
関連論文リスト
- InfuserKI: Enhancing Large Language Models with Knowledge Graphs via
Infuser-Guided Knowledge Integration [61.554209059971576]
大規模言語モデル(LLM)は、様々な領域にまたがる顕著なオープンジェネレーション機能を示している。
新しい知識を注入すると、以前に獲得した知識を忘れるリスクが生じる。
Infuser-Guided Knowledge Integration フレームワークを提案する。
論文 参考訳(メタデータ) (2024-02-18T03:36:26Z) - LB-KBQA: Large-language-model and BERT based Knowledge-Based Question
and Answering System [7.626368876843794]
本稿では,Large Language Model(LLM)とBERT(LB-KBQA)に基づく新しいKBQAシステムを提案する。
生成AIの助けを借りて,提案手法は新たに出現した意図を検知し,新たな知識を得ることができた。
ファイナンシャルドメイン質問応答の実験では,本モデルの方が優れた効果を示した。
論文 参考訳(メタデータ) (2024-02-05T16:47:17Z) - ChatGPT-HealthPrompt. Harnessing the Power of XAI in Prompt-Based
Healthcare Decision Support using ChatGPT [15.973406739758856]
本研究は,OpenAIのChatGPTを中心に,大規模言語モデル(LLM)を臨床意思決定に適用するための革新的なアプローチを提案する。
提案手法では,タスク記述,特徴記述,ドメイン知識の統合を前提とした文脈的プロンプトの利用を提案する。
論文 参考訳(メタデータ) (2023-08-17T20:50:46Z) - UNTER: A Unified Knowledge Interface for Enhancing Pre-trained Language
Models [100.4659557650775]
構造化知識と非構造化知識の両方を活用する統一的な視点を提供するために、統一知識インターフェイスUNTERを提案する。
どちらの形態の知識も注入され、UNTERは一連の知識駆動NLPタスクの継続的な改善を得る。
論文 参考訳(メタデータ) (2023-05-02T17:33:28Z) - MLRIP: Pre-training a military language representation model with
informative factual knowledge and professional knowledge base [11.016827497014821]
現在の事前学習手順は、通常、知識マスキング、知識融合、知識置換を用いて、外部知識をモデルに注入する。
本研究では,ERNIE-Baidu が提案する知識マスキング戦略を改良した MLRIP を提案する。
包括的な分析による大規模な実験は、軍事知識駆動NLPタスクにおけるBERTモデルよりもMLRIPの方が優れていることを示している。
論文 参考訳(メタデータ) (2022-07-28T07:39:30Z) - MRKL Systems: A modular, neuro-symbolic architecture that combines large
language models, external knowledge sources and discrete reasoning [50.40151403246205]
巨大な言語モデル(LM)は、自然言語ベースの知識タスクのゲートウェイとして機能する、AIの新しい時代を支えている。
離散的な知識と推論モジュールによって補完される、複数のニューラルモデルによる柔軟なアーキテクチャを定義する。
本稿では,MRKL(Modular Reasoning, Knowledge and Language)システムと呼ばれる,このニューロシンボリックアーキテクチャについて述べる。
論文 参考訳(メタデータ) (2022-05-01T11:01:28Z) - DAMO-NLP at SemEval-2022 Task 11: A Knowledge-based System for
Multilingual Named Entity Recognition [94.1865071914727]
MultiCoNERは、複数の言語に対する短文と低文設定で意味的に曖昧な名前のエンティティを検出することを目的としている。
我々のチームDAMO-NLPは知識に基づくシステムを提案し、ウィキペディアに基づく多言語知識ベースを構築する。
入力文が与えられた場合,本システムは知識ベースから関連コンテキストを効果的に検索する。
我々のシステムはMultiCoNER共有タスクで13トラック中10トラックを獲得した。
論文 参考訳(メタデータ) (2022-03-01T15:29:35Z) - DISCOS: Bridging the Gap between Discourse Knowledge and Commonsense
Knowledge [42.08569149041291]
代替コモンセンス知識獲得フレームワーク DISCOS を提案します。
DISCOSは高価なコモンセンス知識をより手頃な言語知識資源に投入する。
我々は,ASERの中核部にATOMICを投入することにより,3.4M ATOMICライクな推論コモンセンス知識を得ることができる。
論文 参考訳(メタデータ) (2021-01-01T03:30:38Z) - Towards a Universal Continuous Knowledge Base [49.95342223987143]
複数のニューラルネットワークからインポートされた知識を格納できる継続的知識基盤を構築する方法を提案する。
テキスト分類実験は有望な結果を示す。
我々は複数のモデルから知識ベースに知識をインポートし、そこから融合した知識を単一のモデルにエクスポートする。
論文 参考訳(メタデータ) (2020-12-25T12:27:44Z) - Machine Learning in Nano-Scale Biomedical Engineering [77.75587007080894]
ナノスケールバイオメディカルエンジニアリングにおける機械学習の利用に関する既存の研究について概説する。
ML問題として定式化できる主な課題は、3つの主要なカテゴリに分類される。
提示された方法論のそれぞれについて、その原則、応用、制限に特に重点を置いている。
論文 参考訳(メタデータ) (2020-08-05T15:45:54Z)
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。