文献

J-GLOBAL ID：201902223632339063   整理番号：19A0119355

方法をランク付けするための修正学習を用いた生物医学情報検索の改善【JST・京大機械翻訳】

Improve Biomedical Information Retrieval Using Modified Learning to Rank Methods

著者 (7件)： Xu Bo (Dalian University of Technology, Dalian, Liaoning, China) ,  Lin Hongfei (Dalian University of Technology, Dalian, Liaoning, China) ,  Lin Yuan (Dalian University of Technology, Dalian, Liaoning, China) ,  Ma Yunlong (Dalian University of Technology, Dalian, Liaoning, China) ,  Yang Liang (Dalian University of Technology, Dalian, Liaoning, China) ,  Wang Jian (Dalian University of Technology, Dalian, Liaoning, China) ,  Yang Zhihao (Dalian University of Technology, Dalian, Liaoning, China)
資料名： IEEE/ACM Transactions on Computational Biology and Bioinformatics  (IEEE/ACM Transactions on Computational Biology and Bioinformatics)
巻： 15  号： 6  ページ： 1797-1809  発行年： 2018年 
JST資料番号： W1409A  ISSN： 1545-5963  CODEN： ITCBCY  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： これらの年において,生物医学論文の数は指数関数的に増加した。それは,人手ですべての必要な情報を捕えるために,生物学者にとって問題になっている。検索エンジンのコアとしての情報検索技術は,問題を自動的に扱うことができ,必要な情報をユーザに提供する。しかしながら,ドメイン特異的用語の豊富さのため,これらの技術を生物医学的検索に直接適用することは大きな課題である。生物医学的検索を強化するために,学習に基づく新しいフレームワークを提案した。ランク付けに対する学習は一連の最先端情報検索技術であり,多くの情報検索タスクにおいて有効であることが証明されている。提案フレームワークでは,最も関連する文書を検索するだけでなく,与えられた質問に対する結果としてのリストの完全性を増加させるための検索結果を多様化することに焦点を合わせて,ランキングモデルを構築することにより,用語の豊富さの問題に取り組むことを試みた。モデル訓練において,著者らは2つの新しい文書ラベリング戦略を提案して,学習特徴としていくつかの伝統的検索モデルを結合した。また,このフレームワークにおけるランクアプローチに対する異なる学習の有用性も調べた。TREC Genomicsデータセットに関する実験結果は,生物医学情報検索のための著者らのフレームワークの有効性を実証した。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 指数関数 ,  多様化 ,  *学習 ,  完全性 ,  *等級づけ ,  検索エンジン ,  有効性 ,  *情報検索
準シソーラス用語： TREC ,  *生物医学 , 【Automatic Indexing@JST】

分類 (2件)： 検索技術  (AC06020S) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： ランク付け ,  学習 ,  生物医学 ,  情報検索