领域特定临床摘要的本体约束生成

大语言模型 (LLM) 为文本摘要提供了有前景的解决方案。然而，某些领域需要在摘要中包含特定信息。生成这些领域适应摘要仍是开放挑战。类似地，当前方法在生成内容中存在幻觉问题，阻碍了其实际应用。本研究提出了一种新方法，利用本体创建结构化和非结构化的领域适应摘要。我们采用本体导向的受限解码 process，以减少幻觉并提高相关性。当应用于医疗领域时，该方法在跨 specialty 总结电子健康记录 (EHR) 时显示出潜力，使医生能够专注于其领域的最相关信息。在 MIMIC-III 数据集上的评估表明，我们的方法在生成临床笔记的领域适应摘要方面取得了改进，幻觉现象得到了显著减少。