|
A neural autoencoder approach for document ranking and query refinement in pharmacogenomic information retrieval
Pfeiffer, Jonas
;
Broscheit, Samuel
;
Gemulla, Rainer
;
Göschl, Mathias
![[img]](https://madoc.bib.uni-mannheim.de/45648/1.hassmallThumbnailVersion/A%20Neural%20Autoencoder%20Approach%20for%20Document%20Ranking%20and%20Query%20Refinement%20in%20Pharmacogenomic%20Information%20Retrieval.pdf)  Vorschau |
|
PDF
A Neural Autoencoder Approach for Document Ranking and Query Refinement in Pharmacogenomic Information Retrieval.pdf
- Veröffentlichte Version
Download (446kB)
|
|
URL:
|
https://madoc.bib.uni-mannheim.de/45648
|
|
Weitere URL:
|
http://aclweb.org/anthology/W18-2310
|
|
URN:
|
urn:nbn:de:bsz:180-madoc-456486
|
|
Dokumenttyp:
|
Konferenzveröffentlichung
|
|
Erscheinungsjahr:
|
2018
|
|
Buchtitel:
|
SIGBioMed Workshop on Biomedical Natural Language Processing, Proceedings of the 17th BioNLP Workshop : July 19, 2018 Melbourne, Australia
|
|
Seitenbereich:
|
87-97
|
|
Veranstaltungstitel:
|
56th Annual Meeting of the Association for Computational Linguistics
|
|
Veranstaltungsort:
|
Melbourne, Australia
|
|
Veranstaltungsdatum:
|
15.-20.7.2018
|
|
Herausgeber:
|
Demner-Fushman, Dina
|
|
Ort der Veröffentlichung:
|
Stroudsburg, PA
|
|
Verlag:
|
Association for Computational Linguistics
|
|
ISBN:
|
978-1-948087-33-9
|
|
Sprache der Veröffentlichung:
|
Englisch
|
|
Einrichtung:
|
Fakultät für Wirtschaftsinformatik und Wirtschaftsmathematik > Practical Computer Science I: Data Analytics (Gemulla 2014-)
|
|
Lizenz:
|
Creative Commons Namensnennung 4.0 International (CC BY 4.0)
|
|
Fachgebiet:
|
004 Informatik
|
|
Abstract:
|
In this study, we investigate learning-to-
rank and query refinement approaches for
information retrieval in the pharmacogenomic domain. The goal is to improve the
information retrieval process of biomedical curators, who manually build knowledge bases for personalized medicine. We
study how to exploit the relationships be-
tween genes, variants, drugs, diseases and
outcomes as features for document ranking and query refinement.
For a supervised approach, we are faced with a
small amount of annotated data and a large
amount of unannotated data. Therefore,
we explore ways to use a neural document
auto-encoder in a semi-supervised approach. We show that a combination of established algorithms, feature-engineering
and a neural auto-encoder model yield
promising results in this setting.
|
 | Dieser Eintrag ist Teil der Universitätsbibliographie. |
 | Das Dokument wird vom Publikationsserver der Universitätsbibliothek Mannheim bereitgestellt. |
 Suche Autoren in
BASE:
Pfeiffer, Jonas
;
Broscheit, Samuel
;
Gemulla, Rainer
;
Göschl, Mathias
Google Scholar:
Pfeiffer, Jonas
;
Broscheit, Samuel
;
Gemulla, Rainer
;
Göschl, Mathias
ORCID:
Pfeiffer, Jonas, Broscheit, Samuel, Gemulla, Rainer  ORCID: https://orcid.org/0000-0003-2762-0050 and Göschl, Mathias
Sie haben einen Fehler gefunden? Teilen Sie uns Ihren Korrekturwunsch bitte hier mit: E-Mail
Actions (login required)
 |
Eintrag anzeigen |
|
|
