Fugu-MT 論文翻訳(概要): Do It Right! A Methodology for Successful NLP System Development

論文の概要: Do It Right! A Methodology for Successful NLP System Development

arxiv url: http://arxiv.org/abs/2607.05644v1
Date: Mon, 06 Jul 2026 21:10:43 GMT
ステータス: 翻訳完了
システム内更新日: 2026-07-08 21:24:51.331302
Title: Do It Right! A Methodology for Successful NLP System Development
Title（参考訳）: 正しい! NLPシステム開発を成功させる方法論
Authors: Olga V. Patterson, Brett South, T. Elizabeth Workman, Scott L DuVall,
Abstract要約: 自然言語処理(NLP)は、臨床研究や意思決定にデータを供給するための一般的な方法である。本稿では,言語処理によるデータ抽出に依存するプロジェクトに対して,システム開発ライフサイクル(SDLC)を段階的に適用するアプローチを提案する。
参考スコア（独自算出の注目度）: 0.12979491832375448
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: Natural language processing (NLP) is a common method for supplying data to clinical research and decision making by extracting information from electronic medical records. Numerous textbooks and tutorials describe specific algorithms and applications for text processing, yet algorithmic knowledge is only one ingredient of a successful NLP project. Drawing on the available literature, this paper presents a stepwise approach that applies the Systems Development Life Cycle (SDLC) to projects that rely on data extraction through language processing.
Abstract（参考訳）: 自然言語処理(NLP)は、電子カルテから情報を抽出して臨床研究や意思決定にデータを供給する一般的な方法である。多くの教科書やチュートリアルがテキスト処理のための特定のアルゴリズムや応用を記述しているが、アルゴリズム的な知識は成功したNLPプロジェクトの1つの要素に過ぎない。本稿では,言語処理によるデータ抽出に依存するプロジェクトに対して,システム開発ライフサイクル(SDLC)を段階的に適用する手法を提案する。

関連論文リスト

A survey of neural-network-based methods utilising comparable data for finding translation equivalents [0.0]
NLPの最も一般的なアプローチとして,必要な辞書コンポーネントの1つを自動生成する手法を提案する。記述法の改善に欠かせないので,レキソグラフィの観点から解析する。この調査は、NLPフィールドがレキシコグラフィーの洞察の恩恵を受けることができるため、NLPフィールドとレキシコグラフィーフィールドの接続を奨励する。
論文参考訳（メタデータ） (2024-10-19T16:10:41Z)
NLP4PBM: A Systematic Review on Process Extraction using Natural Language Processing with Rule-based, Machine and Deep Learning Methods [0.0]
本稿では,自然言語処理(NLP)を用いたテキスト記述の構造化プロセスへの変換という,自動プロセス抽出の分野を概観する。機械学習 (ML) / ディープラーニング (DL) メソッドが NLP コンポーネントにますます利用されていることが分かりました。いくつかのケースでは、プロセス抽出に対する適合性から選択され、その結果、古典的なルールベースの手法よりも優れていることが示された。
論文参考訳（メタデータ） (2024-09-10T15:16:02Z)
A Universal Prompting Strategy for Extracting Process Model Information from Natural Language Text using Large Language Models [0.8899670429041453]
生成型大規模言語モデル(LLM)は,広範囲なデータを必要とすることなく,非常に高品質なNLPタスクを解くことができることを示す。新たなプロンプト戦略に基づいて,LLMが最先端の機械学習手法より優れていることを示す。
論文参考訳（メタデータ） (2024-07-26T06:39:35Z)
Application of Transformers based methods in Electronic Medical Records: A Systematic Literature Review [77.34726150561087]
本研究は,異なるNLPタスクにおける電子カルテ(EMR)のトランスフォーマーに基づく手法を用いて,最先端技術に関する体系的な文献レビューを行う。
論文参考訳（メタデータ） (2023-04-05T22:19:42Z)
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)
Efficient Methods for Natural Language Processing: A Survey [76.34572727185896]
本研究は, 効率的なNLPにおける現在の手法と知見を合成し, 関連づけるものである。我々は,限られた資源下でNLPを実施するためのガイダンスと,より効率的な手法を開発するための有望な研究方向性の両立を目指す。
論文参考訳（メタデータ） (2022-08-31T20:32:35Z)
Meta Learning for Natural Language Processing: A Survey [88.58260839196019]
ディープラーニングは自然言語処理(NLP)分野において主要な技術である。ディープラーニングには多くのラベル付きデータが必要です。メタ学習は、より良いアルゴリズムを学ぶためのアプローチを研究する機械学習の分野である。
論文参考訳（メタデータ） (2022-05-03T13:58:38Z)
HealthPrompt: A Zero-shot Learning Paradigm for Clinical Natural Language Processing [3.762895631262445]
われわれはHealthPromptという新しいプロンプトベースのNLPフレームワークを開発した。本研究は,6種類のPLMを用いたHealthPromptの詳細な分析を行った。本実験は,臨床テキストのコンテキストを効果的に把握し,トレーニングデータなしで極めて良好に動作できることを証明した。
論文参考訳（メタデータ） (2022-03-09T21:44:28Z)
Knowledge-Aware Procedural Text Understanding with Multi-Stage Training [110.93934567725826]
本稿では,このような文書の理解とプロセス中のエンティティの状態や場所の追跡を目的とした手続き的テキスト理解の課題に焦点をあてる。常識的推論の難しさとデータ不足という2つの課題はまだ未解決のままである。我々は、複数の外部知識を効果的に活用する、KnOwledge-Aware ProceduraL text understAnding (KOALA)モデルを提案する。
論文参考訳（メタデータ） (2020-09-28T10:28:40Z)
A Systematic Review of Natural Language Processing for Knowledge Management in Healthcare [0.6193838300896449]
本研究の目的は,NLPの可能性,特にNLPが医療領域における知識管理プロセスをどのようにサポートするかを明らかにすることである。本稿では、医療分野における知識の創出、獲得、共有、適用の方法について、最先端のNLP研究を包括的に調査する。
論文参考訳（メタデータ） (2020-07-17T17:50:50Z)
Exploring the Limits of Transfer Learning with a Unified Text-to-Text Transformer [64.22926988297685]
下流タスクで微調整される前に、まずデータリッチタスクでモデルが事前訓練されるトランスファーラーニングは、自然言語処理(NLP)において強力な手法として登場した。本稿では,すべてのテキストベースの言語問題をテキスト・トゥ・テキスト・フォーマットに変換する統一フレームワークにより,NLPのためのトランスファー学習手法を導入する状況について検討する。
論文参考訳（メタデータ） (2019-10-23T17:37:36Z)

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。