Fugu-MT 論文翻訳(概要): Team Fusion@ SU@ BC8 SympTEMIST track: transformer-based approach for symptom recognition and linking

論文の概要: Team Fusion@ SU@ BC8 SympTEMIST track: transformer-based approach for symptom recognition and linking

arxiv url: http://arxiv.org/abs/2604.06424v1
Date: Tue, 07 Apr 2026 20:00:59 GMT
ステータス: 翻訳完了
システム内更新日: 2026-04-09 17:30:51.222716
Title: Team Fusion@ SU@ BC8 SympTEMIST track: transformer-based approach for symptom recognition and linking
Title（参考訳）: Team Fusion@ SU@ BC8 SympTEMIST Track: 症状認識とリンクのためのトランスフォーマーベースのアプローチ
Authors: Georgi Grazhdanski, Sylvia Vassileva, Ivan Koychev, Svetla Boytcheva,
Abstract要約: 本稿では,SympTEMIST を用いたエンティティ認識(NER)とエンティティリンク(EL)タスクの解法を提案する。 NER では,RoBERTa ベースのトークンレベル分類器を BiLSTM と CRF の層に微調整する。エンティティリンクでは、SapBERT XLMR-Large (2) という言語横断的な候補を生成し、知識ベースに対するコサイン類似性を計算する。
参考スコア（独自算出の注目度）: 3.4293828076481496
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This paper presents a transformer-based approach to solving the SympTEMIST named entity recognition (NER) and entity linking (EL) tasks. For NER, we fine-tune a RoBERTa-based (1) token-level classifier with BiLSTM and CRF layers on an augmented train set. Entity linking is performed by generating candidates using the cross-lingual SapBERT XLMR-Large (2), and calculating cosine similarity against a knowledge base. The choice of knowledge base proves to have the highest impact on model accuracy.
Abstract（参考訳）: 本稿では,SympTEMIST を用いたエンティティ認識(NER)とエンティティリンク(EL)タスクの解法を提案する。 NER では,RoBERTa ベースのトークンレベル分類器を BiLSTM と CRF の層に微調整する。クロスランガルなSapBERT XLMR-Large (2)を用いて候補を生成し、知識ベースに対するコサイン類似性を算出してエンティティリンクを行う。知識ベースの選択は、モデルの正確性に最も影響を与えることが証明されている。

関連論文リスト

CoT-Saliency: Unified Chain-of-Thought Reasoning for Heterogeneous Saliency Tasks [96.64597365827046]
本稿では,3つの運用上不均一なサリエンシタスクを共同で処理する,最初の統合フレームワークを提案する。タスクの不均一性を橋渡しする視覚言語モデル(VLM)において、チェーン・オブ・ソート(CoT)推論プロセスを導入する。我々は,全タスクにまたがる特別なSOTA手法と強力なクローズドソースVLMの整合性を示す。
論文参考訳（メタデータ） (2025-11-01T04:37:01Z)
GenCNER: A Generative Framework for Continual Named Entity Recognition [22.669221793494163]
従来の名前付きエンティティ認識(NER)は、テキストの参照を事前に定義されたエンティティタイプに識別することを目的としている。 NERのための既存の継続学習(CL)手法は、破滅的な忘れ込みと非エンテント型のセマンティックシフトの課題に直面している。我々は,CNERの欠点を軽減するための簡易かつ効果的な生成フレームワークであるGenCNERを提案する。
論文参考訳（メタデータ） (2025-10-13T14:15:31Z)
NASP-T: A Fuzzy Neuro-Symbolic Transformer for Logic-Constrained Aviation Safety Report Classification [0.0]
本稿では, 航空安全報告システム(ASRS)コーパス上でのトランスフォーマーに基づく学習と, ASP(Answer Set Programming)を統合したハイブリッド型ニューロシンボリックフレームワークを提案する。提案手法は, マイクロF1スコアとマクロF1スコアを改善し, ASRSテストセットのルール違反を最大86%低減する。
論文参考訳（メタデータ） (2025-10-06T23:33:09Z)
Multitask Fine-Tuning and Generative Adversarial Learning for Improved Auxiliary Classification [0.0]
3つの下流タスクをマルチタスクで微調整するための新しいBERTアーキテクチャを実装した。我々のモデルであるMultitask BERTは、レイヤ共有とトリプルトアーキテクチャ、カスタム文ペアトークン化、損失ペアリング、勾配手術を取り入れています。また、BERTに生成逆学習を適用し、潜在空間から写像して偽の埋め込みを生成する条件付きジェネレータモデルを構築した。
論文参考訳（メタデータ） (2024-08-11T20:05:54Z)
An Ensemble Approach to Question Classification: Integrating Electra Transformer, GloVe, and LSTM [0.0]
本研究では,Electra,GloVe,LSTMモデルの強みを組み合わせた質問分類のための革新的なアンサンブル手法を提案する。このモデルは、よく認識されたTRECデータセットで厳密にテストされ、これらの異なる技術の統合がより優れた結果をもたらすことを示す。
論文参考訳（メタデータ） (2023-08-13T18:14:10Z)
A Confidence-based Partial Label Learning Model for Crowd-Annotated Named Entity Recognition [74.79785063365289]
名前付きエンティティ認識(NER)のための既存のモデルは、主に大規模ラベル付きデータセットに基づいている。我々は,クラウドアノテートNERに対する先行信頼度(アノテータによる提案)と後続信頼度(モデルによる学習)を統合するために,信頼に基づく部分ラベル学習(CPLL)手法を提案する。
論文参考訳（メタデータ） (2023-05-21T15:31:23Z)
Gaussian Prior Reinforcement Learning for Nested Named Entity Recognition [52.46740830977898]
GPRLと呼ばれる新しいSeq2seqモデルを提案し、ネストしたNERタスクをエンティティ三重項列生成プロセスとして定式化する。 3つのネストされたNERデータセットの実験では、GPRLが以前のネストされたNERモデルより優れていることが示されている。
論文参考訳（メタデータ） (2023-05-12T05:55:34Z)
High-Performance Transformer Tracking [74.07751002861802]
本稿では,シームズ様特徴抽出バックボーンをベースとしたTransformer Tracking(TransT)手法,設計した注意に基づく融合機構,分類と回帰ヘッドを提案する。実験の結果,TransT法とTransT-M法は7つの一般的なデータセットに対して有望な結果が得られることがわかった。
論文参考訳（メタデータ） (2022-03-25T09:33:29Z)
HittER: Hierarchical Transformers for Knowledge Graph Embeddings [85.93509934018499]
複雑な知識グラフにおける実体と関係の表現を学習するためにHittを提案する。実験結果から,Hittは複数リンク予測において最先端の新たな結果が得られることがわかった。さらに,HittをBERTに統合する簡単なアプローチを提案し,その効果を2つのFreebaseファクトイド対応データセットで示す。
論文参考訳（メタデータ） (2020-08-28T18:58:15Z)

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。