基于 LLM 与 Multi-BERT 集成优化的生物医学问答服务
计算与语言
2024-10-18 v1 人工智能
摘要
我们提出了一种改进后的生物医学问答 (QA) 服务方法，通过集成大语言模型 (LLM) 与 Multi-BERT 配置。通过增强处理和优先级排序海量复杂生物医学数据能力，本系统旨在支持医务人员提供更佳的患者结果和知情决策。通过创新性地运用 BERT 与 BioBERT 模型，结合多层感知机 (MLP) 层，我们实现了对医疗行业日益增长需求的更专业高效响应。我们的做法不仅通过冻结一个 BERT 模型而训练另一个模型来应对过拟合挑战，还提高了 QA 服务的整体适应性。使用诸如 BioASQ 和 BioMRC 等大规模数据集，展示了系统综合关键信息的能力。这一工作突出了如何通过先进语言模型在医疗保健领域取得实质性成果，为专业人士提供可靠且响应迅速的工具，以管理复杂信息，最终服务于改善护理和数据驱动洞察的更广泛目标。
引用
@article{arxiv.2410.12856,
title = {Optimized Biomedical Question-Answering Services with LLM and Multi-BERT Integration},
author = {Cheng Qian and Xianglong Shi and Shanshan Yao and Yichen Liu and Fengming Zhou and Zishu Zhang and Junaid Akram and Ali Braytee and Ali Anaissi},
journal= {arXiv preprint arXiv:2410.12856},
year = {2024}
}
备注
10 pages, 12 figures, accepted and to be published in the proceedings of 2024 IEEE International Conference on Data Mining Workshops (ICDMW)