論文の概要: CERM: Context-aware Literature-based Discovery via Sentiment Analysis
- arxiv url: http://arxiv.org/abs/2402.01724v1
- Date: Sat, 27 Jan 2024 06:40:08 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-11 16:14:00.517486
- Title: CERM: Context-aware Literature-based Discovery via Sentiment Analysis
- Title（参考訳）: cerm: 感情分析による文脈認識文学の発見
- Authors: Julio Christian Young and Uchenna Akujuobi
- Abstract要約: 本稿では、エンティティペアに基づいてテキストの感情をキャプチャする新しいタスクであるエンティティ関係感分析(ERSA)を紹介する。
ERSAは、文の感情がエンティティ関係の感情と一致しないため、従来の感情分析タスクと比較して大きな課題となる。
本稿では,ERSAタスクのエンコーディングを強化するために,異なる単語埋め込みを組み合わせた半教師付きアーキテクチャCERMを提案する。
- 参考スコア（独自算出の注目度）: 1.6317061277457001
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Driven by the abundance of biomedical publications, we introduce a sentiment
analysis task to understand food-health relationship. Prior attempts to
incorporate health into recipe recommendation and analysis systems have
primarily focused on ingredient nutritional components or utilized basic
computational models trained on curated labeled data. Enhanced models that
capture the inherent relationship between food ingredients and biomedical
concepts can be more beneficial for food-related research, given the wealth of
information in biomedical texts. Considering the costly data labeling process,
these models should effectively utilize both labeled and unlabeled data. This
paper introduces Entity Relationship Sentiment Analysis (ERSA), a new task that
captures the sentiment of a text based on an entity pair. ERSA extends the
widely studied Aspect Based Sentiment Analysis (ABSA) task. Specifically, our
study concentrates on the ERSA task applied to biomedical texts, focusing on
(entity-entity) pairs of biomedical and food concepts. ERSA poses a significant
challenge compared to traditional sentiment analysis tasks, as sentence
sentiment may not align with entity relationship sentiment. Additionally, we
propose CERM, a semi-supervised architecture that combines different word
embeddings to enhance the encoding of the ERSA task. Experimental results
showcase the model's efficiency across diverse learning scenarios.
- Abstract（参考訳）: バイオメディカル出版物が豊富にあることから,食品と健康の関係を理解するための感情分析タスクを提案する。
レシピレコメンデーションと分析システムに健康を取り入れようとする以前の試みは、主に栄養成分やラベル付きデータに基づいて訓練された基本的な計算モデルに焦点をあてていた。
食品成分とバイオメディカル概念の関係を捉えた強化モデルは、バイオメディカルテキストの豊富な情報を考えると、食品関連研究にとってより有益である。
費用のかかるデータラベリングプロセスを考えると、これらのモデルはラベル付きデータとラベルなしデータの両方を効果的に利用する必要がある。
本稿では、エンティティペアに基づいてテキストの感情をキャプチャする新しいタスクであるエンティティ関係感分析(ERSA)を紹介する。
ERSAは、広く研究されているAspect Based Sentiment Analysis (ABSA)タスクを拡張している。
具体的には,バイオメディカルテキストに適用されたERSAタスクに焦点をあて,バイオメディカルおよび食品概念のペア(エンテント)に焦点を当てた。
ERSAは、文の感情がエンティティ関係の感情と一致しないため、従来の感情分析タスクと比較して大きな課題となる。
さらに,ERSAタスクのエンコーディングを強化するために,異なる単語埋め込みを組み合わせた半教師付きアーキテクチャCERMを提案する。
実験結果は、様々な学習シナリオにわたるモデルの効率を示す。
関連論文リスト
- Causal Representation Learning from Multimodal Biological Observations [57.00712157758845]
我々は,マルチモーダルデータに対するフレキシブルな識別条件の開発を目指している。
我々は、各潜伏成分の識別可能性を保証するとともに、サブスペース識別結果を事前の作業から拡張する。
我々の重要な理論的要素は、異なるモーダル間の因果関係の構造的空間性である。
論文 参考訳（メタデータ） (2024-11-10T16:40:27Z) - Extracting Protein-Protein Interactions (PPIs) from Biomedical
Literature using Attention-based Relational Context Information [5.456047952635665]
本研究は,二元的相互作用型ラベルを付加したベット型相互作用定義を用いた多元的PPIコーパスを提案する。
変換器を用いた深層学習手法は,関係表現のための関係文脈情報を利用して関係分類性能を向上させる。
このモデルの性能は, 広く研究されている4つのバイオメディカル関係抽出データセットで評価される。
論文 参考訳（メタデータ） (2024-03-08T01:43:21Z) - Diversifying Knowledge Enhancement of Biomedical Language Models using
Adapter Modules and Knowledge Graphs [54.223394825528665]
我々は、軽量なアダプターモジュールを用いて、構造化された生体医学的知識を事前訓練された言語モデルに注入するアプローチを開発した。
バイオメディカル知識システムUMLSと新しいバイオケミカルOntoChemの2つの大きなKGと、PubMedBERTとBioLinkBERTの2つの著名なバイオメディカルPLMを使用している。
計算能力の要件を低く保ちながら,本手法がいくつかの事例において性能改善につながることを示す。
論文 参考訳（メタデータ） (2023-12-21T14:26:57Z) - High-throughput Biomedical Relation Extraction for Semi-Structured Web Articles Empowered by Large Language Models [1.9665865095034865]
関係抽出タスクを大言語モデルのバイナリ分類として定式化する。
メインタイトルをテールエンティティとして指定し、コンテキストに明示的に組み込む。
長い内容はテキストチャンクにスライスされ、埋め込みされ、追加の埋め込みモデルで検索される。
論文 参考訳（メタデータ） (2023-12-13T16:43:41Z) - 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) - BioIE: Biomedical Information Extraction with Multi-head Attention
Enhanced Graph Convolutional Network [9.227487525657901]
本稿では,バイオメディカルテキストと非構造化医療報告から関係を抽出するハイブリッドニューラルネットワークであるバイオメディカル情報抽出を提案する。
本研究は,2つの主要な生医学的関係抽出タスク,化学物質とタンパク質の相互作用,およびクロスホスピタル・パン・カンノロジー報告コーパスについて検討した。
論文 参考訳（メタデータ） (2021-10-26T13:19:28Z) - Discovering Drug-Target Interaction Knowledge from Biomedical Literature [107.98712673387031]
人体における薬物と標的(DTI)の相互作用は、生物医学や応用において重要な役割を担っている。
毎年何百万もの論文がバイオメディカル分野で出回っているので、文学からDTIの知識を自動的に発見することは、業界にとって急激な需要となっている。
生成的アプローチを用いて,この課題に対する最初のエンドツーエンドソリューションについて検討する。
我々はDTI三重項をシーケンスとみなし、Transformerベースのモデルを使ってエンティティや関係の詳細なアノテーションを使わずに直接生成する。
論文 参考訳（メタデータ） (2021-09-27T17:00:14Z) - MIMO: Mutual Integration of Patient Journey and Medical Ontology for
Healthcare Representation Learning [49.57261599776167]
本稿では、医療表現学習と予測分析のための、エンドツーエンドの堅牢なトランスフォーマーベースのソリューション、患者旅行の相互統合、医療オントロジー(MIMO)を提案する。
論文 参考訳（メタデータ） (2021-07-20T07:04:52Z) - Scientific Language Models for Biomedical Knowledge Base Completion: An
Empirical Study [62.376800537374024]
我々は,KG の完成に向けた科学的 LM の研究を行い,生物医学的リンク予測を強化するために,その潜在知識を活用できるかどうかを探る。
LMモデルとKG埋め込みモデルを統合し,各入力例をいずれかのモデルに割り当てることを学ぶルータ法を用いて,性能を大幅に向上させる。
論文 参考訳（メタデータ） (2021-06-17T17:55:33Z) - PharmKE: Knowledge Extraction Platform for Pharmaceutical Texts using
Transfer Learning [0.0]
PharmKEは、医薬品のセマンティック分析を徹底するために、いくつかの段階を通じてディープラーニングを適用するテキスト分析プラットフォームです。
この方法論は、正確なラベル付きトレーニングとテストデータセットの作成に使用され、カスタムエンティティラベリングタスクのモデルトレーニングに使用されます。
得られた結果は、同じデータセットで訓練された微調整BERTおよびBioBERTモデルと比較されます。
論文 参考訳（メタデータ） (2021-02-25T19:36:35Z) - Chemical-induced Disease Relation Extraction with Dependency Information
and Prior Knowledge [2.9686294158279414]
本稿では,CDR抽出のための新しいコンボリューション・アテンション・ネットワーク(CAN)を提案する。
まず, 文中の化学物質と疾患のペア間の最短依存経路(SDP)を抽出する。
その後、KBから学習した知識表現に関連する各意味依存ベクトルの重要性と重みを学習するための注意機構が導入された。
論文 参考訳（メタデータ） (2020-01-02T02:24:53Z)
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。