具有医学意识的GPT-3作为医疗对话摘要的数据生成器
计算与语言
2021-10-15 v1 人工智能
机器学习
摘要
在医疗对话摘要中，摘要必须连贯并捕捉对话中所有医学相关信息。然而，学习有效的摘要模型需要大量标注数据，这尤其难以获取。我们提出一种算法来创建合成训练数据，并明确侧重于捕捉医学相关信息。我们利用GPT-3作为算法骨干，将210个人工标注示例扩展，产生与使用6400个人工标注示例（约30倍）相当的结果，这得益于低样本学习和集成方法。在详细实验中，我们表明该方法能生成高质量的训练数据，这些数据可进一步与人工标注数据结合，得到在医学准确性和连贯性方面都明显优于仅用人工数据训练的模型所产生的摘要。
引用
@article{arxiv.2110.07356,
title = {Medically Aware GPT-3 as a Data Generator for Medical Dialogue Summarization},
author = {Bharath Chintagunta and Namit Katariya and Xavier Amatriain and Anitha Kannan},
journal= {arXiv preprint arXiv:2110.07356},
year = {2021}
}
备注
Accepted to Machine learning for healthcare 2021