論文の概要: Finding Hidden Relationships Between Medical Concepts by Leveraging Metamap and Text Mining Techniques

• arxiv url: http://arxiv.org/abs/2606.07540v1
• Date: Thu, 30 Apr 2026 23:08:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-22 00:17:34.640884
• Title: Finding Hidden Relationships Between Medical Concepts by Leveraging Metamap and Text Mining Techniques
• Title（参考訳）: メタマップとテキストマイニングの活用による医療概念の隠れ関係の発見
• Authors: Weikang Yang, S M Mazharul Hoque Chowdhury, Wei Jin,
• Abstract要約: MetaMapと適切なテキストマイニング技術を用いて、2つの医療概念間の隠れた関係を見つける新しいモデルが提示されている。 このモデルは、新しい包括的なインデックス構造を作成し、既存のほとんどのアプローチが無視した関心トピックをリンクするクロスドキュメントの隠れリンクを見つけることができる。
• 参考スコア（独自算出の注目度）: 7.581654725698108
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: Text is one of the most common ways to store data in this computerized world. At a glance, it may seem that those data are not interconnected. But in reality, data can have hidden connections. Therefore, in this research, a new model has been presented that can find hidden relationships between two medical concepts by using MetaMap and appropriate text-mining techniques. Specifically, the model creates a new comprehensive index structure and can find cross-document hidden links connecting topics of interest that most existing approaches have ignored. Experiments show the effectiveness of the proposed model in discovering new connections between topics.
• Abstract（参考訳）: テキストは、このコンピュータ化された世界でデータを格納する最も一般的な方法の1つである。 一見すると、これらのデータは相互接続されていないようだ。 しかし実際には、データは隠れたつながりを持つ可能性がある。 そこで本研究では,MetaMapと適切なテキストマイニング技術を用いて,2つの医療概念の隠れた関係を見出すことのできる新しいモデルを提案する。 具体的には、新しい包括的なインデックス構造を作成し、既存のほとんどのアプローチが無視した関心トピックをリンクするクロスドキュメントの隠れリンクを見つけることができる。 実験により,トピック間の新たな接続を発見する上で,提案モデルの有効性が示された。

関連論文リスト

• Unveiling the Unknown: Open Vocabulary Object Detection with Scene Graphs [16.874298364235326]
  オープンボキャブラリオブジェクト検出は、トレーニングデータの一部ではない新しいオブジェクトカテゴリを識別する。 これらの手法はしばしば、相互作用や空間配置など、オブジェクト間の構造的、イメージ固有の関係を見落としている。 本稿では,この問題に対処するためのScene-guided Modeling Detectionフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-06-04T09:23:08Z)
• MapExplorer: New Content Generation from Low-Dimensional Visualizations [60.02149343347818]
  低次元の可視化や「投影マップ」は大規模で複雑なデータセットの解釈に広く用いられている。 これらの視覚化は、既存の知識空間を理解するのに役立つだけでなく、未知の領域への探索を暗黙的にガイドする。 プロジェクションマップ内の座標をコヒーレントでコンテキストに整合したテキストコンテンツに変換する新しい知識発見タスクであるMapExplorerを紹介する。
  論文  参考訳（メタデータ） (2024-12-24T20:16:13Z)
• AMPLE: Emotion-Aware Multimodal Fusion Prompt Learning for Fake News Detection [0.1499944454332829]
  本稿では,Emotion-textbfAware textbfMultimodal Fusion textbfPrompt textbfLtextbfEarning (textbfAMPLE) フレームワークについて述べる。 このフレームワークは感情分析ツールを利用してテキストから感情要素を抽出する。 次に、マルチヘッドクロスアテンション(MCA)機構と類似性を考慮した融合手法を用いて、マルチモーダルデータを統合する。
  論文  参考訳（メタデータ） (2024-10-21T02:19:24Z)
• Query-oriented Data Augmentation for Session Search [71.84678750612754]
  本稿では,検索ログの強化とモデリングの強化を目的としたクエリ指向データ拡張を提案する。 検索コンテキストの最も重要な部分を変更することで補足的なトレーニングペアを生成する。 我々は、現在のクエリを変更するためのいくつかの戦略を開発し、その結果、様々な難易度で新しいトレーニングデータを得る。
  論文  参考訳（メタデータ） (2024-07-04T08:08:33Z)
• Modeling Entities as Semantic Points for Visual Information Extraction in the Wild [55.91783742370978]
  文書画像から鍵情報を正確かつ堅牢に抽出する手法を提案する。 我々は、エンティティを意味的ポイントとして明示的にモデル化する。つまり、エンティティの中心点は、異なるエンティティの属性と関係を記述する意味情報によって豊かになる。 提案手法は,従来の最先端モデルと比較して,エンティティラベルとリンクの性能を著しく向上させることができる。
  論文  参考訳（メタデータ） (2023-03-23T08:21:16Z)
• Unified Visual Relationship Detection with Vision and Language Models [89.77838890788638]
  この研究は、複数のデータセットからラベル空間の結合を予測する単一の視覚的関係検出器のトレーニングに焦点を当てている。 視覚と言語モデルを活用した統合視覚関係検出のための新しいボトムアップ手法UniVRDを提案する。 人物体間相互作用検出とシーングラフ生成の双方による実験結果から,本モデルの競合性能が示された。
  論文  参考訳（メタデータ） (2023-03-16T00:06:28Z)
• LILE: Look In-Depth before Looking Elsewhere -- A Dual Attention Network using Transformers for Cross-Modal Information Retrieval in Histopathology Archives [0.7614628596146599]
  クロスモダリティデータ検索は多くの分野や研究分野の要件となっている。 本研究では,共同潜在空間における画像やテキストの表現を支援するために,新たな損失項を持つ新しいアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2022-03-02T22:42:20Z)
• Exploration and Discovery of the COVID-19 Literature through Semantic Visualization [9.687961759392559]
  我々は,大規模な関係データセット上での探索と発見を可能にする意味可視化技術を開発している。 私たちの希望は、そうでなければ気づかないような複雑なデータの関連性に関する新しい推論を発見できることです。
  論文  参考訳（メタデータ） (2020-07-03T16:40:37Z)
• Relational Message Passing for Knowledge Graph Completion [78.47976646383222]
  本稿では,知識グラフ補完のためのリレーショナルメッセージパッシング手法を提案する。 エッジ間でリレーショナルメッセージを反復的に送信し、近隣情報を集約する。 その結果,本手法は最先端の知識完成手法よりも大きなマージンで優れていることがわかった。
  論文  参考訳（メタデータ） (2020-02-17T03:33:41Z)

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。