面向消费者健康问题的答案驱动摘要
计算与语言
2020-05-21 v2
摘要
自然语言自动摘要在计算机科学中是广泛研究的领域,对任何日常需要理解大量信息的人都有广泛适用性。例如在医学领域,自动摘要深度学习方法的近期进展有潜力使患者和消费者更易获取健康信息。然而,为评估健康信息自动生成摘要的质量,需要金标准的人工生成摘要。利用美国国家医学图书馆消费者健康问答系统提供的答案,我们提出MEDIQA答案摘要数据集,这是首个包含消费者健康问题答案之问题驱动摘要的摘要集合。该数据集可用于评估算法使用抽取式或生成式方法生成的单文档或多文档摘要。为对数据集进行基准测试,我们给出了基线与最先进深度学习摘要模型的结果,表明该数据集可有效评估问题驱动的机器生成摘要,并促进医学问答中进一步的机器学习研究。
引用
@article{arxiv.2005.09067,
title = {Question-Driven Summarization of Answers to Consumer Health Questions},
author = {Max Savery and Asma Ben Abacha and Soumya Gayen and Dina Demner-Fushman},
journal= {arXiv preprint arXiv:2005.09067},
year = {2020}
}