文献

J-GLOBAL ID：202202250650987570   整理番号：22A0464818

最新の探索への機械分類器の適用:2つの事例研究からの解析【JST・京大機械翻訳】

Applying machine classifiers to update searches: Analysis from two case studies

著者 (3件)： Stansfield Claire (EPPI-Centre, UCL Social Research Institute, University College London, London, UK) ,  Stokes Gillian (EPPI-Centre, UCL Social Research Institute, University College London, London, UK) ,  Thomas James (EPPI-Centre, UCL Social Research Institute, University College London, London, UK)
資料名： Research Synthesis Methods  (Research Synthesis Methods)
巻： 13  号： 1  ページ： 121-133  発行年： 2022年 
JST資料番号： W2735A  ISSN： 1759-2879  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 引用記録のマニュアルスクリーニングは,非常に低い関連性の記録を取り除くために,機械分類器を用いて低減できた。これは,機械分類器が過去のスクリーニング決定から訓練できる更新探索に対して特に実行可能であると思われる。しかし,実現可能性は広いトピックスについては不明である。2つの事例研究を用いて公衆衛生研究の更新検索のための機械分類器の性能と実装を評価した。第1の研究では,分類器性能に対する訓練データの異なるセットの使用の影響を評価し,手動スクリーニング「金標準による想起とスクリーニング低減を比較した。第2の研究では,更新検索結果をランク付けするために適用される分類器を訓練するためのレビューからのスクリーニング決定を用いた。停止閾値を,金標準がない場合に適用した。異なる関連性ランク記録の時間消費スクリーニング標題と抽象を測定した。【結果】研究1:分類子性能は,使用した訓練データに従って変化した。すべての特注分類器は同じ閾値で93%以上の再現率を持ち,41%と74%の間のスクリーニング低減を達成した。研究2:分類器を適用することは,更新検索から大量の検索結果に取り組むための解決策を提供し,スクリーニング体積は61%減少した。暫定的推定は,25時間以上のスクリーニング時間が節約されたことを示した。結論として,特注の機械分類器は,リコールに対するいくつかの制限で,公衆衛生介入の範囲にわたる更新検索からのスクリーニング作業負荷を低減するのに実現可能である。重要な考慮事項は,訓練データセットの選択,停止閾値と円滑なワークフローを確実にするプロセスと一致する。Copyright 2022 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 情報検索 ,  金 ,  公衆衛生 ,  等級づけ ,  *事例研究 ,  スクリーニング ,  ワークフロー ,  システマティックレビュー
準シソーラス用語： 訓練データ ,  分類会計機 ,  分類子 , 【Automatic Indexing@JST】

著者キーワード (4件)： 情報検索 ,  教師つき機械学習 ,  トピックとしての系統的レビュー ,  最新の探索

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 探索 ,  分類器 ,  研究 ,  解析