基于Transformer架构的COVID-19搜索引擎（CO-SE）
信息检索
2022-06-08 v1
摘要
冠状病毒病（COVID-19）是一种由SARS-CoV-2病毒引起的传染病。由于关于COVID-19的文献不断增长，很难获得关于该病毒的精确、最新信息。从业者、一线工作者和研究人员需要特定专家的方法来跟进科学知识和研究发现。然而，关于该主题的研究论文数量庞大，使得紧跟最新研究变得困难。这一问题促使我们提出COVID-19搜索引擎（CO-SE）的设计，它是一个算法系统，通过搜索大型出版物语料库为每个查询（由用户提出）查找相关文档并回答复杂问题。CO-SE具有一个在TF-IDF向量化器上训练的检索器组件，从系统中检索相关文档。它还包括一个由基于Transformer的模型构成的阅读器组件，用于阅读段落并从检索到的文档中找出与查询相关的答案。所提模型优于以往模型，取得了71.45%的精确匹配率得分和78.55%的语义答案相似度得分。它还在其他基准数据集上表现更优，证明了所提方法的泛化能力。
引用
@article{arxiv.2206.03474,
title = {A COVID-19 Search Engine (CO-SE) with Transformer-based Architecture},
author = {Shaina Raza},
journal= {arXiv preprint arXiv:2206.03474},
year = {2022}
}
备注
Accepted in HealthCare Analytics