知识增强的生物医学文本生成式摘要研究

摘要：

[目的]将生物医学文本映射到生物医学领域超级叙词表以获得文本中包含的生物医学术语及其对应概念,并将术语和概念作为背景知识融入文本摘要模型中,提高文本摘要模型在生物医学文本上的摘要生成质量.[方法]通过抽取式摘要技术获取文本的重要内容,然后结合生物医学领域知识库将文本重要内容中包含的术语与其对应的知识库概念一并抽取出来,作为背景知识融入神经网络生成式摘要模型的注意力机制中,使模型在领域知识引导下既可聚焦文本内部的重要信息,又可抑制因外部信息引入而可能产生的噪音问题,显著改善摘要的生成质量.[结果]在三个生物医学领域数据集上的实验结果验证了本文方法的有效性,本文所提模型PG-meta在三个数据集上的ROUGE均值达到31.06,比原PG模型ROUGE均值高1.51.[局限]未探索不同的生物医学领域背景知识获取方式对于模型增强效果的影响.[结论]本文方法可帮助模型更好地学习生物医学文本深层含义,提高摘要生成质量.

关键词：生物医学文本挖掘、生成式摘要、领域知识、知识增强

所属期刊栏目：6

分类号：TP393;G250(计算技术、计算机技术)

资助基金：国家语委科研项目;中央高校基本科研业务费项目

在线出版日期：2023-03-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：1-12