Fugu-MT 論文翻訳(概要): Enhancing Semantic Interoperability Across Materials Science With HIVE4MAT

論文の概要: Enhancing Semantic Interoperability Across Materials Science With HIVE4MAT

arxiv url: http://arxiv.org/abs/2411.00676v1
Date: Fri, 01 Nov 2024 15:35:56 GMT
ステータス: 翻訳完了
システム内更新日: 2024-11-10 11:30:35.552025
Title: Enhancing Semantic Interoperability Across Materials Science With HIVE4MAT
Title（参考訳）: HIVE4MATによる材料科学におけるセマンティック相互運用の促進
Authors: Jane Greenberg, Kio Polson, Scott McClellan, Xintong Zhao, Alex Kalinowski, Yuan An,
Abstract要約: HIVE4MATは、科学に価値をナビゲートするためのリンクされたデータ対話型アプリケーションである。この記事では、システムアーキテクチャを説明し、2つの評価について報告し、今後の計画について議論する。
参考スコア（独自算出の注目度）: 0.1979158763744267
License:
Abstract: HIVE4MAT is a linked data interactive application for navigating ontologies of value to materials science. HIVE enables automatic indexing of textual resources with standardized terminology. This article presents the motivation underlying HIVE4MAT, explains the system architecture, reports on two evaluations, and discusses future plans.
Abstract（参考訳）: HIVE4MATは、物質科学に価値のオントロジーをナビゲートするためのデータ対話型アプリケーションである。 HIVEは標準化された用語でテキストリソースの自動インデックス作成を可能にする。本稿では、HIVE4MATの基礎となる動機を説明し、システムアーキテクチャを説明し、2つの評価について報告し、今後の計画について議論する。

関連論文リスト

From Tokens to Materials: Leveraging Language Models for Scientific Discovery [12.211984932142537]
本研究では, 材料科学における材料特性予測のための言語モデル埋め込みの適用について検討した。本研究では、ドメイン固有モデル、特にMatBERTが、複合名や材料特性から暗黙的な知識を抽出する際の汎用モデルよりも優れていることを示す。
論文参考訳（メタデータ） (2024-10-21T16:31:23Z)
Exploiting Contextual Target Attributes for Target Sentiment Classification [53.30511968323911]
TSCの既存のPTLMベースモデルは、1)PTLMをコンテキストエンコーダとして採用した微調整ベースモデル、2)テキスト/単語生成タスクに分類タスクを転送するプロンプトベースモデル、の2つのグループに分類される。我々は,PTLM を TSC に活用する新たな視点として,言語モデリングと文脈的ターゲット属性による明示的ターゲットコンテキスト相互作用の利点を同時に活用する。
論文参考訳（メタデータ） (2023-12-21T11:45:28Z)
Can Large Language Models Augment a Biomedical Ontology with missing Concepts and Relations? [1.1060425537315088]
LLMとのセマンティックな相互作用を利用して臨床実践ガイドラインを解析する手法を提案する。プロンプトを使った最初の実験では、手動で生成された金の標準を与えられた有望な結果が得られました。
論文参考訳（メタデータ） (2023-11-12T14:20:55Z)
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)
Natural Language Inference with Self-Attention for Veracity Assessment of Pandemic Claims [54.93898455714295]
まず、COVID-19に関する異質なクレームからなる新しいPANACEAデータセットの構築について述べる。そこで我々は,自然言語推論に基づく自動妥当性評価のための新しい手法を提案する。
論文参考訳（メタデータ） (2022-05-05T12:11:31Z)
Self-supervised Answer Retrieval on Clinical Notes [68.87777592015402]
本稿では,ドメイン固有パスマッチングのためのトランスフォーマー言語モデルをトレーニングするためのルールベースのセルフスーパービジョンであるCAPRを紹介する。目的をトランスフォーマーベースの4つのアーキテクチャ、コンテキスト文書ベクトル、ビ-、ポリエンコーダ、クロスエンコーダに適用する。本稿では,ドメイン固有パスの検索において,CAPRが強いベースラインを上回り,ルールベースおよび人間ラベル付きパスを効果的に一般化することを示す。
論文参考訳（メタデータ） (2021-08-02T10:42:52Z)
HIVE-4-MAT: Advancing the Ontology Infrastructure for Materials Science [0.5249805590164902]
HIVE-4-MATは、材料科学のための学際的語彙工学を支援します。 HIVE-4-MATの語彙ブラウジング、用語検索と選択、知識抽出とインデックス化をレビューします。
論文参考訳（メタデータ） (2021-01-20T04:40:09Z)
Automated Coding of Under-Studied Medical Concept Domains: Linking Physical Activity Reports to the International Classification of Functioning, Disability, and Health [22.196642357767338]
医療概念の多くの領域は、医学テキストの効果的なコーディングを支援するための、十分に発達した用語を欠いている。本稿では,未研究の医療情報の自動符号化のための自然言語処理(NLP)技術を開発するためのフレームワークを提案する。
論文参考訳（メタデータ） (2020-11-27T20:02:59Z)
UmlsBERT: Clinical Domain Knowledge Augmentation of Contextual Embeddings Using the Unified Medical Language System Metathesaurus [73.86656026386038]
事前学習プロセス中にドメイン知識を統合するコンテキスト埋め込みモデルであるUmlsBERTを紹介する。これらの2つの戦略を適用することで、UmlsBERTは、臨床領域の知識を単語埋め込みにエンコードし、既存のドメイン固有モデルより優れている。
論文参考訳（メタデータ） (2020-10-20T15:56:31Z)
Leveraging Semantic Parsing for Relation Linking over Knowledge Bases [80.99588366232075]
本稿では,AMRを用いた意味解析と遠隔監視を利用した関係リンクフレームワークであるSlingを提案する。 Slingは複数の関係リンクアプローチを統合し、言語的手がかり、豊かな意味表現、知識ベースからの情報などの補完的な信号をキャプチャする。 QALD-7, QALD-9, LC-QuAD 1.0という3つのKBQAデータセットを用いた関係リンク実験により, 提案手法が全てのベンチマークで最先端の性能を達成することを示す。
論文参考訳（メタデータ） (2020-09-16T14:56:11Z)
Data Mining in Clinical Trial Text: Transformers for Classification and Question Answering Tasks [2.127049691404299]
本研究は,医学的テキストに基づくエビデンス合成に自然言語処理の進歩を適用した。主な焦点は、Population、Intervention、Comparator、Outcome(PICO)フレームワークを通じて特徴づけられる情報である。トランスフォーマーに基づく最近のニューラルネットワークアーキテクチャは、トランスファーラーニングの能力を示し、下流の自然言語処理タスクのパフォーマンスが向上している。
論文参考訳（メタデータ） (2020-01-30T11:45:59Z)

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。