TCM-SD:自然言語処理を介した症候群分化を調べるためのベンチマーク【JST・京大機械翻訳】

Ren Mucheng; Huang Heyan; Zhou Yuxiang; Cao Qianwen; Bu Yuan; Gao Yang

プレプリント

J-GLOBAL ID：202202219904034939 整理番号：22P0307489

TCM-SD:自然言語処理を介した症候群分化を調べるためのベンチマーク【JST・京大機械翻訳】

TCM-SD: A Benchmark for Probing Syndrome Differentiation via Natural Language Processing

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 (6件)： , , , , ,
資料名：
発行年： 2022年03月21日プレプリントサーバーでの情報更新日： 2022年08月02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)

伝統的漢方薬(TCM)は,世界的に普及し,適用されている,自然で,安全で,効果的な治療である。ユニークなTCM診断と治療システムは,フリーテキストで書かれた臨床記録に隠された患者の症状の包括的な分析を必要とする。先行研究は,このシステムが自然言語処理(NLP)のような人工知能(AI)技術の助けで情報化され,知的化できることを示した。しかし,既存のデータセットは,TCMにおけるデータ駆動AI技術のさらなる開発をサポートするための十分な品質や量ではない。したがって,本論文では,TCM診断と治療システム-症候群分化(SD)のコアタスクに焦点を当て,TCM-SDと呼ばれるSDのための最初の公開大規模データセットを紹介した。著者らのデータセットは,148の症候群をカバーする54,152の実世界の臨床記録を含んでいる。さらに,TCMの分野において大規模ラベルなしテキストコーパスを収集し,ZY-BERTと呼ばれるドメイン特異的事前訓練言語モデルを提案した。強力な性能基準を確立するために,深いニューラルネットワークを用いて実験を行い,SDにおける様々な課題を明らかにし,ドメイン特異的事前訓練言語モデルの可能性を証明した。著者らの研究と分析は,TCM理論の経験的妥当性を探究するために,コンピュータ科学と言語学知識を組み込む機会を明らかにする。【JST・京大機械翻訳】

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

東洋医学 , 医用情報処理

, , , ,

前のページに戻る