生物医学抄録の区分化:配列分類タスクの配列【JST・京大機械翻訳】

Karabulut Mehmet Efruz; Vijay-Shanker K.

プレプリント

J-GLOBAL ID：202202208547324670 整理番号：22P0276272

生物医学抄録の区分化:配列分類タスクの配列【JST・京大機械翻訳】

Sectioning of Biomedical Abstracts: A Sequence of Sequence Classification Task

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (2件)： ,
資料名：
発行年： 2022年01月18日プレプリントサーバーでの情報更新日： 2022年01月18日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

生物医学文献の急速な成長は,生物医学テキストマイニング分野で多くの進歩をもたらした。大量の情報の中で,生物医学論文抄録は,容易にアクセス可能な資源である。しかし,背景の1つ,目的,方法,結果,および結論のカテゴリーの1つによって,構造化された抽象の個数は,まだ,まだ有意ではない。生物医学抄録における貴重な情報の探索は,逐次文分類タスクの改善で促進できる。深層学習ベースモデルは,このタスクにおいて顕著な結果を達成する際に,大きな性能/ポテンシャルを持つ。しかし,それらはしばしば複雑であり,特定のデータに適合できる。このプロジェクトでは,ここではSSN-4モデルと呼ぶ最先端の深層学習モデルを研究した。SSN-4モデルの異なった成分を調べ,性能と複雑性の間のトレードオフを研究した。著者らは,このモデルがランダム化比較試験(RCT)データセットを超えて新しいデータセットに一般化する方法を探究した。著者らは,単語埋込みが性能を改善するためにタスクに調整できるかどうかという疑問に取り組んだ。さらに,第1モデルにおける混乱対を扱う第2のモデルを開発した。結果は,SSN-4モデルがRCTデータセットを超えてよく一般化しないことを示した。【JST・京大機械翻訳】

, , , , , , , , ,
, , , , 【Automatic Indexing@JST】

人工知能 , 医用情報処理

, , ,

前のページに戻る