Fugu-MT 論文翻訳(概要): Mixed Feelings: Cross-Domain Sentiment Classification of Patient Feedback

論文の概要: Mixed Feelings: Cross-Domain Sentiment Classification of Patient Feedback

arxiv url: http://arxiv.org/abs/2501.19134v1
Date: Fri, 31 Jan 2025 13:44:46 GMT
ステータス: 翻訳完了
システム内更新日: 2025-02-03 14:02:15.399605
Title: Mixed Feelings: Cross-Domain Sentiment Classification of Patient Feedback
Title（参考訳）: Mixed Feelings: 患者フィードバックのクロスドメイン感性分類
Authors: Egil Rønningstad, Lilja Charlotte Storset, Petter Mæhlum, Lilja Øvrelid, Erik Velldal,
Abstract要約: 本稿では,一般臨床医と精神医療に関する患者調査における自由テキストコメントに焦点を当てた。我々は、レビュー形式で汎用ドメインソースを活用することにより、データの不足を軽減しようと試みている。いくつかの異なるアーキテクチャでは、ドメイン内効果とドメイン外効果を比較し、共同マルチドメインモデルのトレーニングの効果を比較検討する。
参考スコア（独自算出の注目度）: 5.990852612318398
License:
Abstract: Sentiment analysis of patient feedback from the public health domain can aid decision makers in evaluating the provided services. The current paper focuses on free-text comments in patient surveys about general practitioners and psychiatric healthcare, annotated with four sentence-level polarity classes -- positive, negative, mixed and neutral -- while also attempting to alleviate data scarcity by leveraging general-domain sources in the form of reviews. For several different architectures, we compare in-domain and out-of-domain effects, as well as the effects of training joint multi-domain models.
Abstract（参考訳）: 公衆衛生領域からの患者フィードバックの感性分析は、提供されたサービスを評価する意思決定者を支援することができる。本論文は、一般開業医と精神医療に関する患者調査における自由テキストコメントに焦点を当て、文章レベルの極性クラス(正、負、混合、中性)を4つアノテートし、レビューの形で一般ドメインソースを活用することでデータの不足を軽減しようとしている。いくつかの異なるアーキテクチャでは、ドメイン内効果とドメイン外効果を比較し、共同でマルチドメインモデルをトレーニングする効果も比較する。

関連論文リスト

A Comparative Study on Patient Language across Therapeutic Domains for Effective Patient Voice Classification in Online Health Discussions [0.48124799513933847]
本研究では,患者音声の正確な分類における言語的特徴の重要性を分析する。我々は、類似した言語パターンと組み合わせたデータセットに基づいて事前学習した言語モデルを微調整し、高い精度で患者音声を自動分類した。この話題の先駆的な研究として、ソーシャルメディアから真正の患者体験を抽出することに注力することは、医療基準の進歩に向けた重要なステップである。
論文参考訳（メタデータ） (2024-07-23T15:51:46Z)
FedMedICL: Towards Holistic Evaluation of Distribution Shifts in Federated Medical Imaging [68.6715007665896]
FedMedICLは統合されたフレームワークであり、フェデレートされた医療画像の課題を全体評価するためのベンチマークである。 6種類の医用画像データセットについて,いくつかの一般的な手法を総合的に評価した。単純なバッチ分散手法はFedMedICL実験全体の平均性能において,高度な手法を超越していることがわかった。
論文参考訳（メタデータ） (2024-07-11T19:12:23Z)
It's Difficult to be Neutral -- Human and LLM-based Sentiment Annotation of Patient Comments [8.1322714530579]
本稿では,ノルウェー公衆衛生研究所が収集した患者調査において,感情アノテーションを自由テキストコメントに追加する取り組みについて述べる。我々は,大型言語モデル (LLM) をアノテーションとして,人間のアノテーションの代替候補として評価する。ゼロショットの実行であっても、モデルはバイナリ感情のベースラインよりもはるかに高いパフォーマンスを保っていますが、完全なデータセット上の人間アノテータと競合することはできません。
論文参考訳（メタデータ） (2024-04-29T16:19:47Z)
Probabilistic emotion and sentiment modelling of patient-reported experiences [0.04096453902709291]
本研究では,オンライン体験談話から患者感情をモデル化する新しい手法を提案する。ケアオピニオンから患者が報告した経験を分析するために,メタデータネットワークトピックをモデル化する。マルチラベル感情とバイナリ感情の両方を予測できる確率論的・文脈特異的感情推薦システムを開発した。
論文参考訳（メタデータ） (2024-01-09T05:39:20Z)
WellFactor: Patient Profiling using Integrative Embedding of Healthcare Data [2.370296071691569]
WellFactorは、異なるソースの情報を統合することで、患者のプロファイルを導出する手法である。 WellFactorは、しばしば医療データに固有の空間を扱うように最適化されている。分類性能の他の手法と比較すると、より良い結果が得られる。
論文参考訳（メタデータ） (2023-12-21T18:49:22Z)
Deep Interactive Segmentation of Medical Images: A Systematic Review and Taxonomy [26.719457139819074]
対話的セグメンテーションは、人的フィードバックを取り入れることでコストのかかるアノテーションの効率を高めることを目的とした、医用画像解析における重要な研究領域である。深層学習に基づくアプローチは、医療画像領域だけで121の手法が提案され、フィールドの急速な成長を引き起こした。標準化されたベースラインとベンチマークによって取り組まなければならないメソッド間の比較の深刻な欠如がある。
論文参考訳（メタデータ） (2023-11-23T12:26:08Z)
Consultation Checklists: Standardising the Human Evaluation of Medical Note Generation [58.54483567073125]
本稿では,コンサルテーションチェックリストの評価を基礎として,客観性向上を目的としたプロトコルを提案する。このプロトコルを用いた最初の評価研究において,アノテータ間合意の良好なレベルを観察した。
論文参考訳（メタデータ） (2022-11-17T10:54:28Z)
Estimating and Improving Fairness with Adversarial Learning [65.99330614802388]
本研究では,深層学習に基づく医療画像解析システムにおけるバイアスの同時緩和と検出を目的としたマルチタスク・トレーニング戦略を提案する。具体的には,バイアスに対する識別モジュールと,ベース分類モデルにおける不公平性を予測するクリティカルモジュールを追加することを提案する。大規模で利用可能な皮膚病変データセットのフレームワークを評価します。
論文参考訳（メタデータ） (2021-03-07T03:10:32Z)
Adversarial Sample Enhanced Domain Adaptation: A Case Study on Predictive Modeling with Electronic Health Records [57.75125067744978]
ドメイン適応を容易にするデータ拡張手法を提案する。逆生成したサンプルはドメイン適応時に使用される。その結果,本手法の有効性とタスクの一般性が確認された。
論文参考訳（メタデータ） (2021-01-13T03:20:20Z)
Weakly-Supervised Aspect-Based Sentiment Analysis via Joint Aspect-Sentiment Topic Embedding [71.2260967797055]
アスペクトベース感情分析のための弱教師付きアプローチを提案する。 We learn sentiment, aspects> joint topic embeddeds in the word embedding space。次に、ニューラルネットワークを用いて単語レベルの識別情報を一般化する。
論文参考訳（メタデータ） (2020-10-13T21:33:24Z)
Generalization Bounds and Representation Learning for Estimation of Potential Outcomes and Causal Effects [61.03579766573421]
代替薬に対する患者一人の反応など,個人レベルの因果効果の推定について検討した。我々は,表現の誘導的処理群距離を正規化することにより,境界を最小化する表現学習アルゴリズムを考案した。これらのアルゴリズムを拡張して、重み付き表現を同時に学習し、治療群距離をさらに削減する。
論文参考訳（メタデータ） (2020-01-21T10:16:33Z)

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。