Feb, 2021

生物医学问题回答：方法与挑战综述

PDF
TL;DR自动问答系统在不同领域有成功应用，生物医学问答是一项新兴任务。本文对生物医学问答的五种不同方法、可用数据集和代表性方法进行了详细介绍，并确定了该领域尚未成熟、面临的困境以及未来探索方向。
automatic question answeringbiomedical qabqa approachesbqa challengesfuture directions
发现论文，激发创造
  • 如何使生物医学问答系统投入实践？

    医学问答系统存在适时回答临床医生有关治疗和诊断不确定性的潜力，但是由于透明度、可靠性和来源不可靠等因素未得到考虑，因此医学问答系统仍未被广泛应用。本文提出了一组标准，旨在提高生物医学问答系统的实用性，并评估了现有模型、任务和数据集，指出了以前提出方法的缺陷，并指出了可能更实用的医学问答系统。

    Sep, 2021

  • 面向医疗专业人员的问题回答系统 — 一项系统综述

    医学问答系统的特点、适用性和改进领域是本综述的目标，研究发现大多数系统准确性相对较低、应用局限性高，关键研究重点应包括开发更真实的医疗问答数据集和考虑答案来源的可靠性。

    Jan, 2024

  • 生物医学领域问答系统改进的贡献

    提出了四个新方法来改进生物医学领域问题回答，包括机器学习问题类型分类和语义类型确定，文档和段落检索，以及精确和理想答案的提取。

    Jul, 2023

  • 从信息检索和深度神经网络角度的基于文本的问答：一项综述

    本文综述了传统信息检索方法和深度神经网络方法在文本问答任务中的应用，介绍了相关模型以及可供比较的数据集和文献结果。

    Feb, 2020

  • QA2Explanation: 为基于知识图谱的问答系统生成和评估解释

    本文提出了一个用于自动生成解释的方法来改善基于管道的问答系统，在特定领域（如生物医学领域）中应用 QA 系统的难点在于其 “黑匣子” 性质，该方法是通过考虑三类（成功、无回答和错误回答）用于注释所涉及 QA 组件的输出，并选择一个模板解释来衡量其有效性。

    Oct, 2020

  • 现代问答数据集和基准：一项调查

    本文调查了在深度学习时代发布的有影响力的问答数据集，并介绍了文本问答和视觉问答两个最常见的问答任务，涵盖了最具代表性的数据集，并提出了当前的一些 QA 研究挑战。

    Jun, 2022

  • 会话式问答：综述

    本文对 2016 至 2021 年所发表关于问答系统的各项研究进行了回顾与总结，发现多轮问答系统已取代了单轮问答系统的先前主导地位，这表明了其在提高人工智能对话系统方面的重要性，同时也描绘了开展更多进一步和有利的研究的未来研究方向。

    Jun, 2021

  • 知识库复杂问题回答的调查：最新进展和挑战

    本文介绍了复杂问答（QA）的最新进展，分别从基于信息检索和神经语义解析两个方向出发，提出了未来研究的方向，并介绍了阿里巴巴团队提出的模型。

    Jul, 2020

  • 面向生物医学问答的神经领域自适应

    本文介绍了一种基于迁移学习技术，将神经网络模型应用在生物医学领域的事实型问答系统上的方法，通过加入生物医学文本嵌入和一种新的回答列表问题的机制来改进该系统，避免了使用昂贵的特定领域本体论、解析器或实体标注器。结果表明，该系统在事实型问题上达到了最新水平，在列表问题上取得了竞争性的结果。

    Jun, 2017

  • 基于联合推理的疾病问答系统

    通过综合自然语言处理和相关技术从多个信息源中合成信息，医用问答（QA）助手能够回答非专业用户的健康相关问题，解决了错误信息、信息过载和医学语言复杂性等问题，并减轻了医护人员的负担。本研究通过联合推理策略充分利用语言模型和知识图谱技术，设计了一种新颖的自动疾病问答系统，用于回答适合非专业用户的疾病相关问题，并通过多种质量指标评估其效力，优于流行的 ChatGPT 等基准系统。

    Jan, 2024