文本解耦表示学习及其在生物医学摘要中的应用
计算与语言
2018-09-05 v2
摘要
我们提出一种学习文本解耦表示的方法，这些表示编码不同且互补的方面，旨在实现高效的模型迁移与可解释性。为诱导解耦嵌入，我们提出一种基于文档三元组相对于特定方面的(不)相似性上的对抗目标。我们的动机应用是以解耦给定试验中人群、干预和结局的方式嵌入描述临床试验的生物医学摘要。我们表明我们的方法学习到编码这些临床显著方面的表示，并且这些表示可有效用于执行方面特定的检索。我们在两个多方面评论语料库上的实验证明该方法可推广至我们的动机应用之外。
引用
@article{arxiv.1804.07212,
title = {Learning Disentangled Representations of Texts with Application to Biomedical Abstracts},
author = {Sarthak Jain and Edward Banner and Jan-Willem van de Meent and Iain J. Marshall and Byron C. Wallace},
journal= {arXiv preprint arXiv:1804.07212},
year = {2018}
}
备注
Accepted to EMNLP 2018