文献

J-GLOBAL ID：201702217406621696   整理番号：17A1177540

オンライン健康エキスパート質問応答サービスの品質を予測するための深い学習アプローチ【Powered by NICT】

A deep learning approach for predicting the quality of online health expert question-answering services

著者 (5件)： Hu Ze (School of Computer Science and Technology, Harbin Institute of Technology, Harbin 150001, China) ,  Zhang Zhan (School of Computer Science and Technology, Harbin Institute of Technology, Harbin 150001, China) ,  Yang Haiqin (Department of Computing, Hang Seng Management College, Hong Kong) ,  Chen Qing (Research Center on Satellite Technology, Harbin Institute of Technology, Harbin 150001, China) ,  Zuo Decheng (School of Computer Science and Technology, Harbin Institute of Technology, Harbin 150001, China)
資料名： Journal of Biomedical Informatics  (Journal of Biomedical Informatics)
巻： 71  ページ： 241-253  発行年： 2017年 
JST資料番号： B0827A  ISSN： 1532-0464  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 最近,オンライン健康エキスパート質問応答(HQA)サービス(システム)は,その簡便性と有効性のためにいつでもどこでも健康関連質問をするためのますます健康消費者を集めている。しかし,既存のHQAシステムにおける回答の品質は異なる状況で変化した。回答の品質を自動的に決定する有効なツールを提供するために重要である。HQAシステムにおける二つの主要な特性は,分類の困難を生じる(1)HQAシステムにおける医師の回答は,通常,短いテキスト,データスパース性問題を生じるで書かれている(2)HQAシステムは品質制御機構,群衆の知恵を控えを適用した。ベストアンサーと利用者の投票の数のような重要な情報が欠けている。これらの問題に取り組むために,90日間で三医療専門家により標識された最初のHQA研究データセットを調製し,分類タスクとしてシステムにおける回答の品質を予測する問題を定式化した。回答の標準テキスト特徴を組み込むだけでなく,他のモダリティから,広く用いられている表面言語的特徴と新しい社会的特徴,ユニークな非テキスト特徴のセットを導入した。集学的深層信念ネットワーク(DBN)ベース学習フレームワークは,テキスト特徴と非テキスト特徴の両方からの回答の高レベル隠れた意味表現を学習するために提案されるが学んだ関節表現は一般的な分類器に供給された回答の質を決定することである。最後に,非テキスト特徴と提案したマルチモーダル深い学習フレームワークを含めることの有効性を実証するために広範囲な実験を行った。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 品質管理 ,  *品質 ,  言語 ,  医師 ,  医療従事者 ,  *学習 ,  多モード ,  定式化 ,  消費者
準シソーラス用語： モダリティ ,  スパース性 ,  テキスト ,  *質問応答 ,  *健康 ,  *オンライン , 【Automatic Indexing@JST】

著者キーワード (6件)： 深い学習 ,  表面言語学的特徴 ,  マルチモーダル学習 ,  深信念ネットワーク ,  オンライン健康エキスパート質問応答サービス ,  社会的特徴

分類 (1件)： 医用情報処理  (JE15030Q)

タイトルに関連する用語 (6件)： オンライン ,  エキスパート ,  質問応答 ,  サービス ,  予測 ,  学習