CAiRE-COVID：面向COVID-19学术信息管理的问答与面向查询的多文档摘要系统
计算与语言
2020-12-09 v3 信息检索
机器学习
摘要
我们提出了 CAiRE-COVID，一个实时问答（QA）和多文档摘要系统，该系统在由医学专家评审的 Kaggle COVID-19 开放研究数据集挑战赛的 10 项任务中获胜之一。我们的系统旨在应对近期挖掘大量关于 COVID-19 发表的科学文章的挑战，通过回答来自社区的高优先级问题并总结与问题相关的显著信息。它将信息抽取与 state-of-the-art 的 QA 和面向查询的多文档摘要技术相结合，在给定查询时从现有文献中选择并高亮证据片段。我们还提出了面向查询的生成式和抽取式多文档摘要方法，以提供与问题相关的更多信息。我们进一步进行了定量实验，结果显示各模块在各项指标上均有一致的提升。我们已发布 CAiRE-COVID 网站供医学界广泛使用，并已将系统代码开源，以推动其他研究者的后续研究。
引用
@article{arxiv.2005.03975,
title = {CAiRE-COVID: A Question Answering and Query-focused Multi-Document Summarization System for COVID-19 Scholarly Information Management},
author = {Dan Su and Yan Xu and Tiezheng Yu and Farhad Bin Siddique and Elham J. Barezi and Pascale Fung},
journal= {arXiv preprint arXiv:2005.03975},
year = {2020}
}
备注
Accepted EMNLP2020 NLP-COVID Workshop