文献

J-GLOBAL ID：201702220349832401   整理番号：17A1706912

製剤のためのハイブリッドオントロジー学習材料工学システム:マルチラベルエンティティ認識と概念検出【Powered by NICT】

Hybrid ontology-learning materials engineering system for pharmaceutical products: Multi-label entity recognition and concept detection

著者 (13件)： Remolona Miguel Francisco M. (Complex Resilient Intelligent Systems Laboratory, Department of Chemical Engineering, Columbia University, New York, NY 10027, United States) ,  Remolona Miguel Francisco M. (Chemical Engineering Department, College of Engineering, University of the Philippines, Diliman, Quezon City, Philippines) ,  Conway Matthew F. (Complex Resilient Intelligent Systems Laboratory, Department of Chemical Engineering, Columbia University, New York, NY 10027, United States) ,  Balasubramanian Sriram (Complex Resilient Intelligent Systems Laboratory, Department of Chemical Engineering, Columbia University, New York, NY 10027, United States) ,  Fan Linxi (Complex Resilient Intelligent Systems Laboratory, Department of Chemical Engineering, Columbia University, New York, NY 10027, United States) ,  Feng Ziyan (Complex Resilient Intelligent Systems Laboratory, Department of Chemical Engineering, Columbia University, New York, NY 10027, United States) ,  Gu Tianhao (Complex Resilient Intelligent Systems Laboratory, Department of Chemical Engineering, Columbia University, New York, NY 10027, United States) ,  Kim Hyungtae (Complex Resilient Intelligent Systems Laboratory, Department of Chemical Engineering, Columbia University, New York, NY 10027, United States) ,  Nirantar Prasad M. (Complex Resilient Intelligent Systems Laboratory, Department of Chemical Engineering, Columbia University, New York, NY 10027, United States) ,  Panda Sarah (Complex Resilient Intelligent Systems Laboratory, Department of Chemical Engineering, Columbia University, New York, NY 10027, United States) ,  Ranabothu Nithin R. (Complex Resilient Intelligent Systems Laboratory, Department of Chemical Engineering, Columbia University, New York, NY 10027, United States) ,  Rastogi Neha (Complex Resilient Intelligent Systems Laboratory, Department of Chemical Engineering, Columbia University, New York, NY 10027, United States) ,  Venkatasubramanian Venkat (Complex Resilient Intelligent Systems Laboratory, Department of Chemical Engineering, Columbia University, New York, NY 10027, United States)
資料名： Computers & Chemical Engineering  (Computers & Chemical Engineering)
巻： 107  ページ： 49-60  発行年： 2017年 
JST資料番号： H0199C  ISSN： 0098-1354  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： 情報爆発による知識管理における新時代の夜明けはモデリング知識と意思決定の古い習慣が不適切なものとなる。新しいモデリングパラダイムの探索において,著者らは大きな役割を果たしているとオントロジーと期待される。我々が直面している重要な課題の一つは,化学および材料工学における意味的に豊富な,適切に人口,ほとんどのアプリケーションにおけるオントロジードメインの不足である。このようなオントロジーの開発時間,努力,およびエキスパート知識のかなりの投資を必要とする非常に挑戦的な課題である。一つは迅速に分野固有のオントロジーを開発し,curateにオントロジー技術者を支援する自動化ツールが必要である。本論文では,我々の概念的枠組み,科学的オントロジーを存在させるための一般的なアプローチ,プロトタイプHOLMESとして,このような自動化知識管理環境への初期試みとしてその実装を考察した。我々のアプローチは,雑誌記事からの情報抽出とオントロジーにおける意味論的にそれらを貯蔵するための機械学習と自然言語処理法の多様性を統合した。本研究では,抄録からキー用語(化学物質,薬物,プロセス,解剖学的実体,など)の同定,およびこれらの項の分類25クラスにを提示した。二つの方法,多クラス分類器(SVM)とマルチラベル分類器(HOMER)は,製薬産業の注釈付きデータで試験した。試験は同じデータセットの二の異なったバージョン,BIO表記法とを用いた1を用いて行った。HOMERのF1スコア,BIO記法(63.6% vs 48.5%)においてより良好なSVMは非BIO版(54.1% vs 53.2%)における優れた性能を示した。しかし,標準計量は,マルチラベル分類器を得ることを可能にしたであることを複数回答の影響を考慮していない。計算実験の結果が示すように,マルチラベル分類器の性能は有望であるが,はるかには実際に実行可能な自動オントロジーベース知識管理システムを開発するために行われていない。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： *オントロジー ,  製薬業 ,  知識管理 ,  管理システム ,  情報抽出 ,  意思決定 ,  アノテーション ,  機械学習 ,  応用プログラム ,  意味論 ,  自然言語処理 ,  *材料科学 ,  自動化 ,  モデリング
準シソーラス用語： マルチラベル分類 , 【Automatic Indexing@JST】

著者キーワード (5件)： 自然言語処理 ,  エンティティ認識 ,  オントロジー ,  機械学習 ,  概念検出

分類 (1件)： 化学プロセスの解析  (XC01030R)

タイトルに関連する用語 (4件)： 製剤 ,  オントロジー学習 ,  材料工学 ,  概念