文献

J-GLOBAL ID：202202235392067669   整理番号：22A0925164

階層的強化学習を用いた疾患診断のための知識融合文脈駆動対話エージェント【JST・京大機械翻訳】

A knowledge infused context driven dialogue agent for disease diagnosis using hierarchical reinforcement learning

著者 (3件)： Tiwari Abhisek (Department of Computer Science and Engineering, Indian Institute of Technology, Patna, India) ,  Saha Sriparna (Department of Computer Science and Engineering, Indian Institute of Technology, Patna, India) ,  Bhattacharyya Pushpak (Department of Computer Science and Engineering, Indian Institute of Technology, Patna, India)
資料名： Knowledge-Based Systems  (Knowledge-Based Systems)
巻： 242  ページ： Null  発行年： 2022年 
JST資料番号： T0426A  ISSN： 0950-7051  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： 疾患診断は,あらゆる疾患治療プロセスにおける必須で重要なステップである。自動疾患診断は,その効率,容易なアクセス性および信頼性のため,近年,大きな人気を得ている。診断エージェントの主要な課題は,必然的に大きな行動空間(症状)と疾患の多様性であり,豊富なドメイン知識または知的学習フレームワークを必要とする。新しい知識注入文脈駆動型(KI-CD)階層強化学習(HRL)ベースの診断対話システムを提案し,これは,文脈意識,知識接地症状調査を支援するための,潜在的候補モジュール(PCM)と呼ばれるベイジアン学習にヒントを得た症状調査モジュールを活用する。PCMモジュールは,候補疾患および潜在的症状を同定し,情報富化状態および学習者批判として知られた付加的批判を有する知的および文脈的誘導症状調査を行うためのエージェントを補強するために,低レベル政策,現在の文脈および疾患症状知識を時効すためのコンテキストおよび知識ガイドとして役立った。知識誘導症状研究は,疾患同定のための適切な症状セットを抽出するが,文脈意識症状調査側面は,トピック(症状)移行を実質的に改善し,ユーザ経験を強化する。さらに,症状状態スパース性問題を軽減するためのモデルを有する階層的疾患分類器(HDC)を提案し,組み込み,疾患分類精度の有意な改善を導いた。提案したフレームワークは,複数のベンチマークデータセット上で現在の最先端手法よりも優れており,対話長(診断成功率,平均一致率,症状同定率,および疾患分類精度)以外のすべての評価尺度において,提案したベイジアン学習にヒントを得たコンテキスト駆動症状調査および疾患診断方法論の有効性を明確に確立する。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： 時効 ,  *学習 ,  信頼性 ,  接地 ,  モデル ,  *文脈 ,  *エージェント ,  *強化学習 ,  会話 ,  ドメイン知識
準シソーラス用語： 学習者 ,  スパース性 ,  対話システム ,  評価尺度 ,  *対話エージェント , 【Automatic Indexing@JST】

著者キーワード (5件)： 自動疾患診断 ,  症状調査 ,  仮想診断支援 ,  Bayes学習 ,  深層強化学習

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (7件)： 強化学習 ,  疾患 ,  診断 ,  知識 ,  融合 ,  文脈 ,  対話エージェント