論文の概要: NLP-Driven Knowledge Extraction and Thematic Classification of Translated Ancient Indian Medical Texts

• arxiv url: http://arxiv.org/abs/2608.28608v1
• Date: Wed, 08 Jul 2026 09:46:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.404269
• Title: NLP-Driven Knowledge Extraction and Thematic Classification of Translated Ancient Indian Medical Texts
• Title（参考訳）: 翻訳古インド医学テキストのNLPによる知識抽出と主題分類
• Abstract要約: この研究は自然言語処理(NLP)手法を用いて重要な概念を抽出し、分類し、視覚化する。 この結果は、グラフデータベース、トピックモデリング、エンティティ認識が、Ayurvedaの歴史的医学的知恵の計算組織をどのように促進するかを示している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Ancient Indian medical texts like Sushruta Samhita have extensive information on diseases, treatments, and surgical techniques. Yet, their ancient format and use of intricate vocabulary pose difficulties in accessibility and systematic ordering. The research here utilizes Natural Language Processing (NLP) methods like Named Entity Recognition (NER), BERTopic modeling, and Knowledge Graph development in Neo4j to extract, categorize, and visualize important concepts based on translated versions. Thematic classification with BERTopic allows for the identification of the underlying medical topics, whereas NER supports the structured entity recognition of diseases, treatments, researchers, and medicinal plants. Graphbased network analysis with Neo4j also allows for the semantic representation of relationship among extracted entities, supporting knowledge retrieval and digital preservation. The findings illustrate how graph databases, topic modeling, and entity recognition facilitate the computational organization of Ayurveda's historical medical wisdom, closing the gap between the conventional texts and contemporary data-driven inquiry. The suggested method promotes historical text analysis, medical informatics, and digital humanities to make ancient Indian medical wisdom more accessible and understandable.
• Abstract（参考訳）: スーシュルタ・サミータのような古代インドの医学書は、病気、治療、外科技術に関する広範な情報を持っている。 しかし、それらの古代の形式と複雑な語彙の使用は、アクセシビリティと体系的な順序付けに困難をもたらす。 この研究は、Neo4jにおけるNature Language Processing (NLP)メソッド(NER)、BERTopic Modeling、知識グラフ開発など)を使用して、翻訳されたバージョンに基づいて重要な概念を抽出、分類、視覚化する。 BERTopicによるテーマ分類は根底にある医学的トピックの同定を可能にするが、NERは疾患、治療、研究者、医学植物の構造的実体認識をサポートする。 Neo4jによるグラフベースのネットワーク分析は、抽出されたエンティティ間の関係のセマンティックな表現を可能にし、知識検索とデジタル保存をサポートする。 この結果は、グラフデータベース、トピックモデリング、エンティティ認識が、Ayurvedaの歴史的医学的知恵の計算組織をどのように促進し、従来のテキストと現代のデータ駆動調査のギャップを埋めるかを示している。 提案手法は,古代インドの医学知識をより理解しやすくするために,歴史的テキスト分析,医療情報学,デジタル人文科学を促進する。

関連論文リスト

• Neural-Symbolic Reasoning over Knowledge Graphs: A Survey from a Query Perspective [55.79507207292647]
  知識グラフ推論は、データマイニング、人工知能、Web、社会科学など、さまざまな分野において重要である。 ニューラルAIの台頭は、深層学習の頑健さと象徴的推論の精度を融合させることで、大きな進歩を見せている。 大規模言語モデル(LLM)の出現により、知識グラフ推論の新しいフロンティアが開かれた。
  論文  参考訳（メタデータ） (2024-11-30T18:54:08Z)
• Construction of a Syntactic Analysis Map for Yi Shui School through Text Mining and Natural Language Processing Research [5.015294834550435]
  本研究では,条件付きランダムフィールドに基づく単語分割と実体関係抽出モデルを構築する。 依存関係ネットワークは、古代の書籍の各記事におけるエンティティ間の文法的関係を分析するために使用される。
  論文  参考訳（メタデータ） (2024-02-16T14:59:55Z)
• Diversifying Knowledge Enhancement of Biomedical Language Models using Adapter Modules and Knowledge Graphs [54.223394825528665]
  我々は、軽量なアダプターモジュールを用いて、構造化された生体医学的知識を事前訓練された言語モデルに注入するアプローチを開発した。 バイオメディカル知識システムUMLSと新しいバイオケミカルOntoChemの2つの大きなKGと、PubMedBERTとBioLinkBERTの2つの著名なバイオメディカルPLMを使用している。 計算能力の要件を低く保ちながら,本手法がいくつかの事例において性能改善につながることを示す。
  論文  参考訳（メタデータ） (2023-12-21T14:26:57Z)
• Descriptive Knowledge Graph in Biomedical Domain [26.91431888505873]
  本稿では,バイオメディカルコーパスから情報文や記述文を自動的に抽出し,生成する新しいシステムを提案する。 接続されていない経路を検索する従来の検索エンジンや探索システムとは異なり,本システムは記述文をグラフとして整理する。 新型コロナウイルス研究における本システムの適用に着目し,薬物再資源化や文献キュレーションなどの分野における実用性について考察した。
  論文  参考訳（メタデータ） (2023-10-18T03:10:25Z)
• DiscoverPath: A Knowledge Refinement and Retrieval System for Interdisciplinarity on Biomedical Research [96.10765714077208]
  従来のキーワードベースの検索エンジンは、特定の用語に慣れていないユーザーを支援するのに不足している。 本稿では, バイオメディカル研究のための知識グラフに基づく紙検索エンジンを提案し, ユーザエクスペリエンスの向上を図る。 DiscoverPathと呼ばれるこのシステムは、名前付きエンティティ認識(NER)とPOSタグを使って、記事の要約から用語や関係を抽出し、KGを作成する。
  論文  参考訳（メタデータ） (2023-09-04T20:52:33Z)
• Knowledge-augmented Graph Neural Networks with Concept-aware Attention for Adverse Drug Event Detection [9.334701229573739]
  副作用薬物イベント(ADEs)は、薬物の安全性の重要な側面である。 さまざまな文献にはADEに関する豊富な情報が含まれている。 近年,テキストからのADE検出を自動化するために,単語埋め込みとディープラーニングに基づく自然言語処理を適用している。 本稿では,グラフ内のノードの種類によって異なる特徴を学習する,概念認識型アテンション機構を提案する。
  論文  参考訳（メタデータ） (2023-01-25T08:01:45Z)
• EBOCA: Evidences for BiOmedical Concepts Association Ontology [55.41644538483948]
  本論文は,生物医学領域の概念とそれらの関連性を記述するオントロジーであるEBOCAと,それらの関連性を支持するエビデンスを提案する。 DISNETのサブセットから得られるテストデータとテキストからの自動アソシエーション抽出が変換され、実際のシナリオで使用できる知識グラフが作成されるようになった。
  論文  参考訳（メタデータ） (2022-08-01T18:47:03Z)
• Towards more patient friendly clinical notes through language models and ontologies [57.51898902864543]
  本稿では,単語の単純化と言語モデリングに基づく医療用テキストの自動作成手法を提案する。 我々は,公開医療文のデータセットペアと,臨床医による簡易化版を用いている。 本手法は,医学フォーラムデータに基づく言語モデルを用いて,文法と本来の意味の両方を保存しながら,より単純な文を生成する。
  論文  参考訳（メタデータ） (2021-12-23T16:11:19Z)

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。