NapSS：通过叙事提示与句子匹配摘要的段落级医学文本简化
计算与语言
2023-02-14 v1
摘要
医学文献面向专业人员撰写且包含医学术语，普通读者难以理解。自动化文本简化方法为解决此问题提供了潜在途径。本工作中，我们提出一种先摘要后简化的两阶段策略，称为NapSS，在识别待简化相关内容的同时确保原始叙事流得以保留。该方法中，我们首先通过原摘要与简化摘要间的句子匹配生成参考摘要，随后用这些摘要训练一个抽取式摘要器，学习最相关的待简化内容。然后，为保障简化文本的叙事一致性，我们结合原文本句法分析得出的关键短语，合成辅助叙事提示。我们的模型在英语医学语料上显著优于seq2seq基线，在词汇相似度上取得3%~4%的绝对提升，并与基线结合时进一步带来1.1%的SARI分数提升。我们还指出了现有评估方法的不足，并引入考虑词汇与高层语义相似度的新指标。在测试集随机样本上开展的人工评估进一步确立了所提方法的有效性。代码与模型发布于：https://github.com/LuJunru/NapSS。
引用
@article{arxiv.2302.05574,
title = {NapSS: Paragraph-level Medical Text Simplification via Narrative Prompting and Sentence-matching Summarization},
author = {Junru Lu and Jiazheng Li and Byron C. Wallace and Yulan He and Gabriele Pergola},
journal= {arXiv preprint arXiv:2302.05574},
year = {2023}
}
备注
Findings of EACL 2023