医学文本简化：以非似然训练与重排序束搜索解码优化可读性
计算与语言
2023-10-27 v2 人工智能
摘要
文本简化已成为人工智能在医学等专业领域弥合沟通鸿沟的日益有用的应用，其中词汇常由技术行话和复杂结构主导。尽管取得了显著进展，医学简化中的方法有时会导致生成文本的质量与多样性较低。在这项工作中，我们探索进一步提升医学领域文本简化可读性的方法。我们提出（1）一种鼓励生成更简单术语的新非似然损失，以及（2）一种优化简洁性的重排序束搜索解码方法，其在三个数据集上的可读性指标取得了更好性能。本研究的发现为改进医学领域文本简化提供了有前景的途径。
引用
@article{arxiv.2310.11191,
title = {Medical Text Simplification: Optimizing for Readability with Unlikelihood Training and Reranked Beam Search Decoding},
author = {Lorenzo Jaime Yu Flores and Heyuan Huang and Kejian Shi and Sophie Chheang and Arman Cohan},
journal= {arXiv preprint arXiv:2310.11191},
year = {2023}
}
备注
EMNLP 2023 Findings