論文の概要: Building an Explainable Graph-based Biomedical Paper Recommendation System (Technical Report)

• arxiv url: http://arxiv.org/abs/2412.15229v1
• Date: Thu, 05 Dec 2024 15:20:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-29 08:57:48.087859
• Title: Building an Explainable Graph-based Biomedical Paper Recommendation System (Technical Report)
• Title（参考訳）: 説明可能なグラフベースバイオメディカルペーパーレコメンデーションシステムの構築(技術報告)
• Authors: Hermann Kroll, Christin K. Kreutz, Bill Matthias Thang, Philipp Schaer, Wolf-Tilo Balke,
• Abstract要約: XGPRecはグラフベースで説明可能な方法である。 我々は,XGPRecがバイオメディカルドメインから3700万の文書を収集し,実際のデジタルライブラリを管理可能であることを示す。 ユーザライブラリがXGPRec上に構築できるように、コードを共有しています。
• 参考スコア（独自算出の注目度）: 5.150329033605059
• License:
• Abstract: Digital libraries provide different access paths, allowing users to explore their collections. For instance, paper recommendation suggests literature similar to some selected paper. Their implementation is often cost-intensive, especially if neural methods are applied. Additionally, it is hard for users to understand or guess why a recommendation should be relevant for them. That is why we tackled the problem from a different perspective. We propose XGPRec, a graph-based and thus explainable method which we integrate into our existing graph-based biomedical discovery system. Moreover, we show that XGPRec (1) can, in terms of computational costs, manage a real digital library collection with 37M documents from the biomedical domain, (2) performs well on established test collections and concept-centric information needs, and (3) generates explanations that proved to be beneficial in a preliminary user study. We share our code so that user libraries can build upon XGPRec.
• Abstract（参考訳）: デジタルライブラリは異なるアクセスパスを提供し、ユーザはコレクションを探索できる。 例えば、論文レコメンデーションは、いくつかの選択された論文に類似した文学を推奨する。 それらの実装は、特にニューラルメソッドを適用する場合、コストがかかることが多い。 さらに、ユーザがレコメンデーションが関係するべき理由を理解したり、推測したりすることは困難です。 だから私たちは、問題を別の観点から取り組んだのです。 我々は,既存のグラフベースの生物医学的発見システムに統合した,グラフベースで説明可能なXGPRecを提案する。 さらに,XGPRec(1)は,バイオメディカルドメインから3700万件の文書を収集した実際のデジタルライブラリコレクションを管理でき,(2)確立されたテストコレクションや概念中心の情報要求に対して良好に動作し,(3)予備的なユーザスタディで有用であることが判明した説明を生成することができることを示した。 ユーザライブラリがXGPRec上に構築できるように、コードを共有しています。

関連論文リスト

• A large collection of bioinformatics question-query pairs over federated knowledge graphs: methodology and applications [0.0838491111002084]
  本稿では,生物情報学の知識グラフを用いた人文自然言語質問とそれに対応するSPARQLクエリについて紹介する。 既存の標準に基づいて,サンプルを最小限のメタデータで一様に表現する手法を提案する。
  論文  参考訳（メタデータ） (2024-10-08T13:08:07Z)
• Medical Graph RAG: Towards Safe Medical Large Language Model via Graph Retrieval-Augmented Generation [9.286509119104563]
  我々は、MedGraphRAGと呼ばれる医療領域向けに設計された新しいグラフベースのRetrieval-Augmented Generationフレームワークを紹介する。 提案手法は,9つの医療用Q&Aベンチマーク,2つの健康用ファクトチェックベンチマーク,および1つの収集データセットで検証した。
  論文  参考訳（メタデータ） (2024-08-08T03:11:12Z)
• OntoMedRec: Logically-Pretrained Model-Agnostic Ontology Encoders for Medication Recommendation [33.82146975306507]
  OntoMedRecは、論理的に事前訓練された、モデルに依存しない医療用オントロジーである。 OntoMedRecの有効性を評価するため,ベンチマークデータセットの総合的な実験を行った。
  論文  参考訳（メタデータ） (2024-01-29T00:29:39Z)
• DiscoverPath: A Knowledge Refinement and Retrieval System for Interdisciplinarity on Biomedical Research [96.10765714077208]
  従来のキーワードベースの検索エンジンは、特定の用語に慣れていないユーザーを支援するのに不足している。 本稿では, バイオメディカル研究のための知識グラフに基づく紙検索エンジンを提案し, ユーザエクスペリエンスの向上を図る。 DiscoverPathと呼ばれるこのシステムは、名前付きエンティティ認識(NER)とPOSタグを使って、記事の要約から用語や関係を抽出し、KGを作成する。
  論文  参考訳（メタデータ） (2023-09-04T20:52:33Z)
• MDACE: MIMIC Documents Annotated with Code Evidence [7.200839302089557]
  本稿では,長期医療文書上での極端に多ラベルな分類課題に対するエビデンス/リレール抽出のためのデータセットを提案する。 このデータセットは、302の入院患者チャート、3,934のエビデンス、52のプロフィーチャート、5,563のエビデンスで構成されている。
  論文  参考訳（メタデータ） (2023-07-07T22:45:59Z)
• Development and validation of a natural language processing algorithm to pseudonymize documents in the context of a clinical data warehouse [53.797797404164946]
  この研究は、この領域でツールやリソースを共有する際に直面する困難を浮き彫りにしている。 臨床文献のコーパスを12種類に分類した。 私たちは、ディープラーニングモデルと手動ルールの結果をマージして、ハイブリッドシステムを構築します。
  論文  参考訳（メタデータ） (2023-03-23T17:17:46Z)
• 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)
• MS2: Multi-Document Summarization of Medical Studies [11.38740406132287]
  MS2(Multi-Document Summarization of Medical Studies)は、科学文献から得られた470k以上の文書と20kの要約からなるデータセットです。 このデータセットは、矛盾する証拠を複数の研究で評価し集約するシステムの開発を促進する。 早期成果を期待して,BARTに基づく要約システムを実験した。
  論文  参考訳（メタデータ） (2021-04-13T19:59:34Z)
• A Survey on Knowledge Graph-Based Recommender Systems [65.50486149662564]
  我々は知識グラフに基づく推薦システムの体系的な調査を行う。 論文は、知識グラフを正確かつ説明可能なレコメンデーションにどのように活用するかに焦点を当てる。 これらの作業で使用されるデータセットを紹介します。
  論文  参考訳（メタデータ） (2020-02-28T02:26:30Z)
• Learning Contextualized Document Representations for Healthcare Answer Retrieval [68.02029435111193]
  コンテキスト談話ベクトル(英: Contextual Discourse Vectors、CDV)は、長文からの効率的な回答検索のための分散文書表現である。 本モデルでは,階層型LSTMレイヤとマルチタスクトレーニングを併用したデュアルエンコーダアーキテクチャを用いて,臨床エンティティの位置と文書の談話に沿った側面をエンコードする。 我々の一般化モデルは、医療パスランキングにおいて、最先端のベースラインを著しく上回っていることを示す。
  論文  参考訳（メタデータ） (2020-02-03T15:47:19Z)
• Graph Convolution Machine for Context-aware Recommender System [59.50474932860843]
  グラフ畳み込みの利点を文脈認識推薦システム(CARS)に拡張する。 我々は、エンコーダ、グラフ畳み込み層、デコーダの3つのコンポーネントからなるエンドツーエンドフレームワークである textitGraph Convolution Machine (GCM) を提案する。 我々はYelpとAmazonの3つの実世界のデータセットで実験を行い、GCMの有効性とCARSのためのグラフ畳み込みの利点を検証する。
  論文  参考訳（メタデータ） (2020-01-30T15:32:08Z)

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。