CUED在ProbSum 2023：摘要模型的层次集成
计算与语言
2023-06-09 v1
摘要
在本文中，我们考虑在有限数据设定下总结患者医疗进展记录的挑战。针对BioNLP Workshop 2023的问题列表摘要（共享任务1A），我们证明微调于765份医疗门诊记录的Clinical-T5优于其他抽取式、生成式与零样本基线，为医疗记录摘要提供了合理的基线系统。进一步，我们引入摘要模型的层次集成（Hierarchical Ensemble of Summarization Models, HESM），由多样化微调Clinical-T5模型的词元级集成，继以最小贝叶斯风险（Minimum Bayes Risk, MBR）解码组成。我们的HESM方法带来显著的摘要性能提升，在留出挑战数据上评估取得ROUGE-L为32.77，系该共享任务排行榜榜首性能最佳系统。
引用
@article{arxiv.2306.05317,
title = {CUED at ProbSum 2023: Hierarchical Ensemble of Summarization Models},
author = {Potsawee Manakul and Yassir Fathullah and Adian Liusie and Vyas Raina and Vatsal Raina and Mark Gales},
journal= {arXiv preprint arXiv:2306.05317},
year = {2023}
}
备注
BioNLP Workshop @ ACL 2023