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。
バイオメディカルマシン読解理解(バイオメディカル-MRC)は,複雑な生物医学ナラティブを理解し,それらからの情報検索におけるヘルスケア専門家を支援することを目的とする。現代のニューラルネットワークベースのMRCシステムの高性能は,高品質,大規模,人間注釈付き訓練データセットに依存する。生物医学ドメインにおいて,そのようなデータセットを作成する際の重要な挑戦は,ドメイン知識の必要条件であり,ラベル付きデータの不足とラベル付き汎用(ソース)ドメインから生物医学(ターゲット)ドメインへの転送学習の必要性を誘導する。しかし,話題における分散のため,汎用と生物医学領域の間の限界分布には矛盾がある。したがって,一般目的ドメインで訓練されたモデルから生物医学領域への学習された表現の直接転送は,モデルのパフォーマンスを傷つけることができる。一般的および生物医学的ドメインデータセット間の限界分布における不一致に取り組むためのニューラルネットワークベースの方法である,生物医学機械読解理解タスク(BioADAMT-MRC)のための敵対学習ベース領域適応フレームワークを提案した。BioADAPT-MRCは,良好に機能する生物医学-MRCモデルを訓練するための擬似ラベルを生成する必要性を緩和する。3つの広く使用されたベンチマーク生物医学-MRCデータセット-BioASQ-7b,BioASQ-8b,およびBioASQ-9bに関する最良の既存の方法と比較して,BioADAPT-MRCの性能を広範囲に評価する。これらの結果は,生物医学ドメインからの合成またはヒト注釈のないデータを用いることなしに,BioADAPT-MRCがこれらのデータセットで最先端の性能を達成できることを示唆する。アベイラビリティ:BioADAPT-MRCは,ウルル{https://github.com/mmahbub/BioADAPT MRC}でのオープンソースプロジェクトとして自由に利用可能である。【JST・京大機械翻訳】