文献
J-GLOBAL ID:202202213018525019   整理番号:22A0732423

EANDC:メンタルヘルス治療のための説明可能な注意ネットワークベースの深層適応クラスタリングモデル【JST・京大機械翻訳】

EANDC: An explainable attention network based deep adaptive clustering model for mental health treatment
著者 (5件):
資料名:
巻: 130  ページ: 106-113  発行年: 2022年 
JST資料番号: A0620C  ISSN: 0167-739X  資料種別: 逐次刊行物 (A)
記事区分: 原著論文  発行国: オランダ (NLD)  言語: 英語 (EN)
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。
インターネットデリバリー心理治療(IDPT)は,心理的障害を改善する効果的な方法であることが示されている。自然言語処理(NLP)は単語表現と感情セグメンテーションのための言語特徴の適切な集合を必要とする。心理学的アプリケーションのために,専門家レベル性能を達成するために,モデルを広範囲で多様なデータセットで訓練しなければならない。感情的バイアスが感情の不正確なセグメンテーションにつながり,感情データのラベル付けが時間がかかるので,患者によって認可された心理的テキストのラベル付けは挑戦的である。本論文では,精神科医が精神障害者の感情的側面を探索するための支援ツールを提案する。最初に,感情的辞書埋込みを創造するためにNLPベースの方法を使用し,次に,注意ベースの深いクラスタ化を適用する。次に,学習された表現を用いて,患者によって認可されたテキストの感情的側面を可視化した。著者らは,同義語の意味展開を用いて,患者著者のテキストを拡大した。コンテキストに基づく潜在的意味表現を,EANDCを用いてクラスタ化し,それは,説明可能な注意ネットワークベースの深層適応クラスタ化モデルである。テキストの部分集合を選択し,次にカリキュラムベースの最適化法を用いて学習の説明可能性を改善する類似性計量を用いた。実験結果は,感情辞書に基づく同義拡大が結果に影響することなく精度を増加させることを示した。双方向LSTMアーキテクチャによる注意方法は,ブラインド試験において0.81ROCを達成した。自己学習ベース埋込みは,重みづけ注意単語を可視化し,臨床ノートと治療に対する定性的マッチの彼の説明力を改善する精神科医を助ける。この方法は,テキストをラベリングし,精神障害の症状の認識率を改善する。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】
シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
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。

分類 (1件):
分類
JSTが定めた文献の分類名称とコードです
計算機網 

前のページに戻る