生成医学文本的连续表示
计算与语言
2018-05-16 v1
摘要
我们提出了一种在生成医学文本的同时学习具有判别性特征的、信息丰富的连续表示的架构。训练时系统的输入为医学 X 射线影像说明文本数据集。所获得的连续表示特别适用于许多机器学习技术，其中文本输入的离散且高维的特性是一大障碍。我们使用对抗正则化自编码器（Adversarially Regularized Autoencoder）在无条件与有条件两种设定下生成逼真文本。我们表明该技术适用于常包含句法及领域特定缩写的医学文本。定量评估显示，我们取得了比传统 LSTM 生成器更低的模型困惑度。
引用
@article{arxiv.1805.05691,
title = {Generating Continuous Representations of Medical Texts},
author = {Graham Spinks and Marie-Francine Moens},
journal= {arXiv preprint arXiv:1805.05691},
year = {2018}
}