文献

J-GLOBAL ID：202202225628933367   整理番号：22A0778109

事前訓練変圧器言語モデルを用いたツイッターデータからの薬剤効果関係のマイニング【JST・京大機械翻訳】

Mining Medication-Effect Relations from Twitter Data Using Pre-trained Transformer Language Model

著者 (3件)： Jiang Keyuan (Purdue University Northwest, Hammond, IN, USA) ,  Zhang Dingkai (Ningbo City College of Vocational Technology, Ningbo, Zhejiang, China) ,  Bernard Gordon R. (Vanderbilt University, Nashville, TN, USA)
資料名： Communications in Computer and Information Science  (Communications in Computer and Information Science)
巻： 1525  ページ： 468-478  発行年： 2022年 
JST資料番号： W5071A  ISSN： 1865-0929  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 薬局は,市販医薬品の安全性を連続的に評価することにより,医薬品の安全な使用を促進することを目的とする。最近,この努力の活発な領域は,薬物使用による患者報告経験を集めるための代替データ源として,Twitterのようなソーシャルメディアを使用することである。出版された仕事は,社会的メディアデータにおける副作用の発現の同定に焦点を合わせ,一方,前述の薬物療法と言及した効果発現の間の関係の理解にはほとんど注意を与えなかった。本研究では,微調整による変圧器ベースの言語モデルであるBERTを用いて,Twitterテキストからの薬物効果関係の発見を検討した。9,516の注釈付きピンセットコーパスに関する我々の結果は,著者らの方法の全体的性能が,研究した4つのベースラインアプローチより優れていることを示した。本研究の成果は,社会的メディアデータで記録された患者報告経験から潜在的に未報告の薬物効果を発見するプロセスを自動化し,加速するのを助けるかもしれない。Copyright Springer Nature Switzerland AG 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *変圧器 ,  安全性 ,  自動化 ,  データ ,  副作用 ,  薬物 ,  薬局 ,  薬物療法 ,  患者 ,  効果 ,  情報メディア ,  *Web【情報システム】 ,  アノテーション ,  *言語モデル
準シソーラス用語： *薬効 ,  ソーシャルメディア ,  *ツイッター , 【Automatic Indexing@JST】

著者キーワード (5件)： 薬物効果関係 ,  関係抽出 ,  Twitter ,  変圧器言語モデル ,  薬剤安全性

分類 (1件)： 医用情報処理  (JE15030Q)

タイトルに関連する用語 (5件)： 訓練 ,  変圧器 ,  言語モデル ,  ツイッター ,  薬剤効果