面向查询的抽取式摘要用于寻找生物医学与COVID-19问题的理想答案

本文介绍了麦考瑞大学参与BioASQ Synergy任务以及BioASQ9b Phase B的情况。在这些任务中，我们的参与聚焦于使用面向查询的抽取式摘要来获取医学问题的理想答案。Synergy任务是一个关于COVID-19的端到端问答任务，要求系统针对给定问题返回相关文档、片段和答案。由于缺乏训练数据，我们使用了一个以BioASQ8b训练数据集训练的面向查询的摘要系统，并尝试了检索文档和片段的方法。考虑到我们的系统检索到的文档和片段质量较差，我们观察到所返回答案的质量相当好。对于BioASQ9b任务的Phase B，测试数据中已包含相关文档和片段。我们的系统将片段拆分为候选句子，并在句子分类设置下使用BERT变体。该系统以问题和候选句子作为输入，经训练以预测候选句子属于理想答案的可能性。该系统在BioASQ9b所有批次中取得了所有参与者中最佳或次佳的ROUGE-F1结果。这表明在分类设置中使用BERT是识别理想答案的一个非常强的基线。