AAAIDec, 2020

生物医学科学评论的自动化普通语言摘要

PDF
TL;DR本文介绍了一个新的自动生成生物医学科学综述文献简化版的任务，并通过分析各种挑战，实验和评估，展示了使用现代神经架构自动生成的简化版摘要可以达到良好的质量和可读性。
health literacybiomedical literaturelay language summariesautomated methodsneural architectures
发现论文，激发创造
  • 生物医学小白指南：规划大型语言模型

    使用大型语言模型改进自动化文档摘要，尤其在简化复杂技术文件、生成背景知识、评估文本中起到了重要作用，并在医学文章的简化和评估方面做出了创新性的工作。

    Feb, 2024

  • 医疗文本的段落级简化

    本研究探讨了如何应用语言模型来改进医学文本的简化，提出了一种基于似然分数的新度量标准，并对编码器解码器模型的新方法进行了评估，同时建立了一些语料库。

    Apr, 2021

  • 基于预训练语言模型的医学文本摘要综述

    本文系统总结了使用预训练语言模型（ Pre-trained language models）的生物医学文本摘要的最新进展、挑战问题和未来方向，帮助我们更好地理解该领域的最新进展和使用预训练语言模型在生物信息学中的应用。

    Apr, 2023

  • 利用自然语言处理实现文本摘要：叙事性文献综述

    本文是一篇关于使用自然语言处理技术生成简化版摘要的研究综述，发现基于 transformer 的方法如 BERT 和 PEGASUS 在生成 lay text summarisation 方面相对优秀，并建议采用抽取式和生成式相结合的混合方法，并开发一些新的评估指标以确保 lay summary 更易读。

    Mar, 2023

  • 利用外部知识图谱增强生物医学术语摘要

    通过使用特定于每篇文章的知识图谱来增加生物医学概念的详细信息，我们系统地调查了三种不同方法在提高自动化简报摘要模型效果方面的有效性，结果确认了整合基于图的领域知识可以显著改善生成文本的可读性和解释技术概念的能力。

    Oct, 2023

  • WisPerMed 在 BioLaySumm 中的应用：将自回归大语言模型调整为科学文章的简化总结

    本研究介绍了 WisPerMed 团队在生物医学领域的自动文献概述共享任务中的工作，通过精细调整和使用 BioMistral 和 Llama3 模型，从复杂的科学文本中生成面向非专业人士的概述，最终在可读性、准确性和相关性方面实现了显著的性能提升。

    May, 2024

  • 生物医学研究文章摘要任务 2023 年度 BioLaySumm 概述

    本论文介绍了在 ACL 2023 的 BioNLP 研讨会上举办的生物医学研究文章 Lay Summarisation 的共享任务的结果，并报告了总体结果和吸引了 20 支参赛队伍的设置和见解。

    Sep, 2023

  • 可控可读性生物医学文档摘要

    本文介绍了一种针对生物医学文本的可读性控制式摘要方法，可生成专家和非专业人士阅读所需的技术和简易语言摘要，并以生物医学论文为例进行了实验验证和比较。

    Oct, 2022

  • 消费者健康问题答案的问题驱动摘要

    本研究提供了一个包含消费者健康问题答案的问答驱动摘要集 MEDIQA Answer Summarization dataset，可用于评估抽取式或抽象式算法生成的单个或多个文档，展示了基线和最新深度学习总结模型的结果，并推动医学问题回答中的机器学习研究。

    May, 2020

  • 基于生成型 AI 的科学文献的极限摘要，提升初级卫生保健工作流程

    运用生成型人工智能技术对科学论文的摘要进行总结，以减轻基层医疗人员的认知负担并提高文献阅读效率。研究结果表明，使用生成型人工智能生成的短摘要可显著降低回答与摘要内容相关问题所需时间，但在无完整摘要可用的情况下，提取知识的准确性明显降低，需要进一步的发展来提高理解能力。

    Jul, 2023