文献

J-GLOBAL ID：202002244920732334   整理番号：20A2262963

健康管理表現学習のための階層的注意伝搬【JST・京大機械翻訳】

Hierarchical Attention Propagation for Healthcare Representation Learning

著者 (4件)： Zhang Muhan (Washington University in St. Louis, St. Louis, MO, USA) ,  King Christopher R. (Washington University in St. Louis, St. Louis, MO, USA) ,  Avidan Michael (Washington University in St. Louis, St. Louis, MO, USA) ,  Chen Yixin (Washington University in St. Louis, St. Louis, MO, USA)
資料名： ACM Proceedings  (ACM Proceedings)
号： KDD ’20  ページ： 249-256  発行年： 2020年 
JST資料番号： D0698C  資料種別： 会議録 (C)
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： 医学オントロジーは医学用語を代表し,組織化するために広く用いられている。用例は,ICD-9,ICD-10,ULSその他を含んだ。オントロジーは階層構造でしばしば構築され,異なる医療概念間のマルチレベルサブクラス関係を符号化し,概念間の非常に微細な識別を可能にする。医学オントロジーは,医療予測システムへのドメイン知識を組み込むための大きな源を提供し,それはデータ不足問題を軽減し,希少カテゴリーによる予測性能を改善する可能性がある。そのようなドメイン知識を組み込むために,最近のグラフ注意モデルは,注意機構を用いてオントロジーにおける祖先の埋込みの加重和として医学概念を表す。性能の改善を示すけれども,Gramは概念の未順序の祖先のみを考慮しており,従って,限られた表現性を持つ階層構造を完全には利用しない。本論文では,階層型注意伝搬法(HAP)を提案するが,ここでは,全オントロジー構造にわたって階層的に注意する新しい医用オントロジー埋込みモデルであり,そこでは,医療概念は,その祖先のみの代わりに階層構造におけるすべての他の概念からその埋込みを適応的に学習する。HAPは,任意の医療概念埋込みから,より表現的な医療概念埋込みを学習し,全オントロジー構造を完全に回復できることを証明した。2つの逐次手順/診断予測タスクに関する実験結果は,HAPのより良い埋込み品質をGramや他のベースラインよりも示す。さらに,完全オントロジーを用いることは必ずしも最良ではないことを見出した。階層のより低いレベルだけを使用する時間は,すべてのレベルを使用して優れている。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： ネットワーク ,  *健康管理 ,  階層構造 ,  基準線 ,  オントロジー ,  ドメイン知識
準シソーラス用語： 医学用語 ,  表現力 , 【Automatic Indexing@JST】

著者キーワード (3件)： 注意機構 ,  医学オントロジー ,  ネットワーク埋込み

分類 (2件)： 人工知能  (JE08000Z) ,  医用情報処理  (JE15030Q)

タイトルに関連する用語 (3件)： 表現学習 ,  注意 ,  伝搬