面向医学科学摘要序列句子分类的聚焦句子表示的基于 LSTM 的深度神经网络
计算与语言
2024-06-03 v2
摘要
医学摘要领域内的序列句子分类任务，简称 SSC，涉及根据句子在摘要中传达关键信息的作用将其分类到预定义的标题下。在 SSC 任务中，句子之间是顺序相关的。因此，句子嵌入的作用对于捕获句子中单词之间的语义信息以及摘要中句子之间的上下文关系至关重要，从而提升 SSC 系统的性能。在本文中，我们提出了一种基于 LSTM 的深度学习网络，侧重于在句子层面创建全面的句子表示。为了验证所创建句子表示的有效性，我们还开发了一个利用这些句子嵌入的系统，该系统在摘要层面包含一个卷积-循环神经网络（C-RNN），在片段层面包含一个多层感知网络（MLP）。与最先进的系统相比，我们提出的系统产生了极具竞争力的结果，并在基准数据集 PudMed 200K RCT、PudMed 20K RCT 和 NICTA-PIBOSO 上分别将基线的 F1 分数提高了 1.0%、2.8% 和 2.6%。这表明改善句子表示对提升模型性能具有显著影响。
引用
@article{arxiv.2401.15854,
title = {LSTM-based Deep Neural Network With A Focus on Sentence Representation for Sequential Sentence Classification in Medical Scientific Abstracts},
author = {Phat Lam and Lam Pham and Tin Nguyen and Hieu Tang and Michael Seidl and Medina Andresel and Alexander Schindler},
journal= {arXiv preprint arXiv:2401.15854},
year = {2024}
}
备注
Submitted to FedCSIS 2024