論文の概要: Enhancing Document Retrieval in COVID-19 Research: Leveraging Large Language Models for Hidden Relation Extraction

• arxiv url: http://arxiv.org/abs/2506.18311v1
• Date: Mon, 23 Jun 2025 05:55:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-24 19:06:36.870934
• Title: Enhancing Document Retrieval in COVID-19 Research: Leveraging Large Language Models for Hidden Relation Extraction
• Title（参考訳）: 新型コロナウイルス研究における文書検索の強化:隠れ関係抽出のための大規模言語モデルの活用
• Authors: Hoang-An Trieu, Dinh-Truong Do, Chau Nguyen, Vu Tran, Minh Le Nguyen,
• Abstract要約: 本稿では,検索システムであるCovrelex-SEを用いて,より高品質な検索結果を提供する方法を提案する。 我々は,大言語モデル(LLM)のパワーを利用して,ラベルのない出版物内の隠れた関係を抽出した。
• 参考スコア（独自算出の注目度）: 1.8100383997044667
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In recent years, with the appearance of the COVID-19 pandemic, numerous publications relevant to this disease have been issued. Because of the massive volume of publications, an efficient retrieval system is necessary to provide researchers with useful information if an unexpected pandemic happens so suddenly, like COVID-19. In this work, we present a method to help the retrieval system, the Covrelex-SE system, to provide more high-quality search results. We exploited the power of the large language models (LLMs) to extract the hidden relationships inside the unlabeled publication that cannot be found by the current parsing tools that the system is using. Since then, help the system to have more useful information during retrieval progress.
• Abstract（参考訳）: 近年、新型コロナウイルスのパンデミックの出現に伴い、この病気に関する多くの出版物が発行されている。 大量の出版物のために、新型コロナウイルス(COVID-19)のような突然のパンデミックが発生した場合、研究者に有用な情報を提供するために効率的な検索システムが必要である。 本研究では,検索システムであるCovrelex-SEシステムを用いて,より高品質な検索結果を提供する手法を提案する。 我々は,大規模言語モデル(LLM)の力を利用して,システムが現在使用している解析ツールでは見つからない,ラベルのない出版物内の隠れた関係を抽出した。 それ以来、検索の進行中により有用な情報を得るのに役立ちます。

関連論文リスト

• SeRTS: Self-Rewarding Tree Search for Biomedical Retrieval-Augmented Generation [50.26966969163348]
  大規模言語モデル(LLM)は,検索増強世代(RAG)の進展に伴い,生物医学領域において大きな可能性を示した。 既存の検索強化アプローチは、様々なクエリやドキュメント、特に医療知識クエリに対処する上で、課題に直面している。 モンテカルロ木探索(MCTS)と自己回帰パラダイムに基づく自己回帰木探索(SeRTS)を提案する。
  論文  参考訳（メタデータ） (2024-06-17T06:48:31Z)
• DocReLM: Mastering Document Retrieval with Language Model [49.847369507694154]
  本研究では,大規模言語モデルを利用することで,文書検索システムが高度な意味理解能力を実現することを実証する。 我々のアプローチは、大規模言語モデルによって生成されたドメイン固有データを用いて、検索者と再ランカを訓練することである。 我々は、量子物理学とコンピュータビジョンの分野の研究者によって注釈付けされたテストセットを使用して、システムの性能を評価する。
  論文  参考訳（メタデータ） (2024-05-19T06:30:22Z)
• An Information Retrieval and Extraction Tool for Covid-19 Related Papers [0.0]
  本論文の主な焦点は、研究者に新型コロナウイルス関連論文のより良い検索ツールを提供することである。 我々は,CORD-19論文のトピックベースの検索を自動化し,研究者を支援する可能性を示した。
  論文  参考訳（メタデータ） (2024-01-20T01:34:50Z)
• De-identification of clinical free text using natural language processing: A systematic review of current approaches [48.343430343213896]
  自然言語処理は、その非識別プロセスの自動化の可能性を繰り返し示してきた。 本研究の目的は,過去13年間に臨床自由テキストの非識別化が進展したことを示す体系的な証拠を提供することである。
  論文  参考訳（メタデータ） (2023-11-28T13:20:41Z)
• COVID-19 Multidimensional Kaggle Literature Organization [3.201839066679614]
  因子化は文書コーパスに隠されたパターンを発見できる強力な教師なし学習手法であることを示す。 コーパスの高次表現により,類似記事,関連雑誌,類似研究論文の執筆者,話題キーワードの同時グループ化が可能となることを示す。
  論文  参考訳（メタデータ） (2021-07-17T06:16:36Z)
• COVID-SEE: Scientific Evidence Explorer for COVID-19 Related Research [29.209304525218013]
  COVID-SEEは、情報探索の概念に基づく医学文献発見システムである。 出版物の情報を構造化し整理するための、いくつかの異なるテキスト分析と自然言語処理手法に基づいている。
  論文  参考訳（メタデータ） (2020-08-18T12:14:36Z)
• Automatic Text Summarization of COVID-19 Medical Research Articles using BERT and GPT-2 [8.223517872575712]
  我々は,既存のNLPモデルであるBERTとOpenAI GPT-2の最近の進歩を活用している。 本モデルは,原文から抽出したキーワードに基づいて,抽象的かつ包括的情報を提供する。 我々の研究は、要約がまだ手に入らない記事の簡潔な要約を提供することで、医療コミュニティに役立てることができる。
  論文  参考訳（メタデータ） (2020-06-03T00:54:44Z)
• CAiRE-COVID: A Question Answering and Query-focused Multi-Document Summarization System for COVID-19 Scholarly Information Management [48.251211691263514]
  我々は、リアルタイム質問応答(QA)とマルチドキュメント要約システムであるCAiRE-COVIDを紹介し、Kaggle COVID-19 Open Researchデータセットチャレンジで10のタスクのうちの1つを勝ち取った。 本システムの目的は,コミュニティからの優先度の高い質問に答えることによって,新型コロナウイルスに関する数多くの学術論文をマイニングすることにある。
  論文  参考訳（メタデータ） (2020-05-04T15:07:27Z)
• Opportunities and Challenges of Deep Learning Methods for Electrocardiogram Data: A Systematic Review [62.490310870300746]
  心電図(Electrocardiogram、ECG)は、医学および医療において最も一般的に用いられる診断ツールの1つである。 深層学習法は心電図信号を用いた予測医療タスクにおいて有望な結果を得た。 本稿では、モデリングとアプリケーションの観点から、ECGデータに対するディープラーニング手法の体系的なレビューを行う。
  論文  参考訳（メタデータ） (2019-12-28T02:44:29Z)

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。