抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
電子健康記録(EHR-QA)に関する質問回答は,健康管理領域に著しい影響を及ぼし,積極的に研究されている。構造化EHR-QAに関する以前の研究は,自然言語クエリをSQLまたはSPARQL(NLQ2Query)のようなクエリ言語に変換することに焦点を合わせ,従って,問題範囲は,特定のクエリ言語によって予め定義されたデータタイプに限定される。マルチモーダル医療データを取り扱うためにこの限界を超えてEHR-QAタスクを拡張し,将来の複雑な推論を解決するため,より原始的な全身言語が必要である。本論文では,将来の方向に向けた第一段階としてEHR-QAのためのプログラムベースモデル(NLQ2Program)を設計した。金プログラムの不在を克服するために,半教師つき方法でプログラムベースアプローチを介して,MIMICSPARQL*,グラフベースEHR-QAデータセットに取り組んだ。金プログラムなしで,提案モデルは,NLQ2Queryモデル(0.9%利得)である以前の最先端モデルに匹敵する性能を示した。さらに,信頼できるEHR-QAモデルに対して,入力質問における曖昧さを測定するために不確実性分解法を適用した。経験的に,データの不確実性が入力質問における曖昧さの最も暗示的であることを確認した。【JST・京大機械翻訳】