Medical Question Summarization with Entity-driven Contrastive Learning

要約

タイトル：エンティティ駆動の対照的学習を用いた医療質問サマリゼーション

要約：
– 医療質問回答システム（MQA）は、より正確に消費者の意図を理解し、適切な回答を取得することができるよう、長い質問を短く要約することによって消費者健康の質問を要約することによって実現できる。
– しかし、患者や医師に由来する健康問題の記述には明らかな相違点があるため、医療質問の要約は非常に困難です。
– 既存の研究では、Seq2Seq、強化学習、または対照的学習を利用して問題を解決しようとしましたが、2つの課題が残ります。 1つ目は、問い合わせフォーカスを正しくキャプチャして意味的意図をモデル化する方法、2つ目は、公正なパフォーマンス評価のために信頼性の高いデータセットを取得する方法です。
– これらの課題に対応するため、本論文ではエンティティ駆動の対照的学習（ECL）を使用する新しい医療質問要約フレームワークを提案しています。 ECLは、よくある質問（FAQ）の医療エンティティをフォーカスとして使用し、ハードネガティブサンプルを生成する効果的なメカニズムを考案しています。 このアプローチは、モデルが重要なフォーカス情報に注意を払い、より理想的な質問要約を生成するようにします。
– さらに、iCliniqデータセットの33％の重複率など、一部のMQAデータセットには深刻なデータ漏洩問題があることがわかりました。関連する方法を公正に評価するために、本論文では漏洩したサンプルを正確にチェックして、より合理的なデータセットを再構成しています。
– 幅広い実験により、私たちのECLメソッドが、質問のフォーカスを正確にキャプチャし、医療質問要約を生成することで、最新の方法を上回ることが示されました。コードとデータセットは、https://github.com/yrbobo/MQS-ECLで入手できます。

要約(オリジナル)

By summarizing longer consumer health questions into shorter and essential ones, medical question answering (MQA) systems can more accurately understand consumer intentions and retrieve suitable answers. However, medical question summarization is very challenging due to obvious distinctions in health trouble descriptions from patients and doctors. Although existing works have attempted to utilize Seq2Seq, reinforcement learning, or contrastive learning to solve the problem, two challenges remain: how to correctly capture question focus to model its semantic intention, and how to obtain reliable datasets to fairly evaluate performance. To address these challenges, this paper proposes a novel medical question summarization framework using entity-driven contrastive learning (ECL). ECL employs medical entities in frequently asked questions (FAQs) as focuses and devises an effective mechanism to generate hard negative samples. This approach forces models to pay attention to the crucial focus information and generate more ideal question summarization. Additionally, we find that some MQA datasets suffer from serious data leakage problems, such as the iCliniq dataset’s 33% duplicate rate. To evaluate the related methods fairly, this paper carefully checks leaked samples to reorganize more reasonable datasets. Extensive experiments demonstrate that our ECL method outperforms state-of-the-art methods by accurately capturing question focus and generating medical question summaries. The code and datasets are available at https://github.com/yrbobo/MQS-ECL.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI