文献

J-GLOBAL ID：202002280116734333   整理番号：20A2262987

DETERRENT:健康管理ミス情報を検出するための知識誘導グラフ注意ネットワーク【JST・京大機械翻訳】

DETERRENT: Knowledge Guided Graph Attention Network for Detecting Healthcare Misinformation

著者 (6件)： Cui Limeng (The Pennsylvania State University, University Park, PA, USA) ,  Seo Haeseung (The Pennsylvania State University, University Park, PA, USA) ,  Tabar Maryam (The Pennsylvania State University, University Park, PA, USA) ,  Ma Fenglong (The Pennsylvania State University, University Park, PA, USA) ,  Wang Suhang (The Pennsylvania State University, University Park, PA, USA) ,  Lee Dongwon (The Pennsylvania State University, University Park, PA, USA)
資料名： ACM Proceedings  (ACM Proceedings)
号： KDD ’20  ページ： 492-502  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： 正確で説明可能な誤情報検出を提供するために,補助源(例えば,社会的文脈と知識ベース)を考慮することは,しばしば有用である。既存の方法は,検出性能を改善し,説明を導くための補足的な情報としてユーザの関与のような社会的文脈を使用する。しかし,十分な専門知識の欠如のため,ユーザは健康管理情報にはほとんど応答せず,これらの方法をより適用できないものにする。本研究では,これらの欠点に取り組むために,健康誤情報を検出する新しい知識誘導グラフ注意ネットワークを提案した。著者らの提案は,ネットワークと共に情報を伝播することによる医療知識グラフからの付加的情報に活用し,医学知識グラフとアーティクル-エンティティバイパルタイトグラフを組み込み,知識経路を通してノード埋込みを伝播する。加えて,注意機構を適用して,各論文に対するエンティティの重要性を計算し,知識誘導論文埋め込みを誤情報検出に用いた。DETERRENTは,健康管理領域における社会的状況に関する限界に対処し,検出結果に対する有用な説明を提供できる。2つの実世界データセットを用いた経験的検証は,DETERENTの有効性を実証した。8つの競合する方法の最良の結果と比較して,F1スコアに関して,DETERENTは,糖尿病データセットで少なくとも4.78%,癌データセットで12.79%ですべての方法より優れている。https://github.com/cuilimeng/DETERRENTでDETERENTのソースコードを解放した。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 ,  ニューラルネットワーク ,  糖尿病 ,  *健康管理 ,  有効性 ,  知識ベース
準シソーラス用語： 専門知識 ,  ソースコード ,  医学知識 ,  エンティティ , 【Automatic Indexing@JST】

著者キーワード (4件)： ケーキニュース ,  グラフニューラルネットワーク ,  医療ミス情報 ,  医学知識グラフ

分類 (4件)： 人工知能  (JE08000Z) ,  電話・データ通信・交換一般  (ND11010T) ,  計算機システム運用管理  (JD02020C) ,  医用情報処理  (JE15030Q)

タイトルに関連する用語 (5件)： ミス ,  知識 ,  誘導 ,  グラフ ,  注意