[medical] participants to medical ontologies: Content Selection for Clinical Abstract Summarization

Mission：

  Selon l'auteur,Le rapport d'imagerie médicale en anglais comporte deux descriptions,L'un estFINDINGS,Les détails et les caractéristiques de l'ensemble de l'image sont décrits,Et l'autre estIMPRESSION,Ne mettre l'accent que sur les informations clés de l'image,Ces messages clés sont contenus dansFINDINGSÀ l'intérieur..En dernier analyse,Le but de cet article est d'utiliser ceciFINDINGSPour générerIMPRESSION,C'est - à - dire l'application du résumé textuel dans le domaine médical.

Modèle：

                        

Content Selector：

Ce sélecteur prend la forme d'une annotation séquentielle,ToutFINDINGSChaque mot de la séquence a0,1Deux dimensions.Si le terme actuel est une entité médicale exclusive,Et il correspond àIMPRESSIONSi ça arrive,Alors Marquez cette position comme1,Sinon, il est marqué comme0.Pour apprendre un modèle, Vous pouvez l'utiliser sur l'ensemble d'essai pour marquer FINDINGS, Et choisir des entités médicales exclusives clés .

Et voir l'image

À gauche.encoder,encoder Celui du haut à l'intérieur lstmPourencoderToutFINDINGS, Obtenir le Code pour chaque emplacement hi, Et celui en bas lstmPourencoder Content Selector Principales entités médicales exclusives sélectionnées . Cette entité médicale exclusive LSTM Obtenir le dernier hl0Vecteur de, Ce vecteur représente le courant FINDINGS Des informations sur toutes les entités médicales importantes qui y sont présentes . Et ensuite fusionner cette information dans le code ci - dessus FINDINGSDeLSTMMoyenne, Obtenez un nouveau vecteur pour chaque emplacement ：

                                           

hiC'est là - hautLSTM Sortie par emplacement , hl0C'est en basLSTM Sortie à la dernière position .Fusion, Et puis avec la sortie de chaque position précédente element-wise Opération de multiplication de , Ce cercle de la deuxième formule .Après fusionhi'Et enfindecoder Asseyez - vous à chaque position attention,Pour guiderdecoderGénération de.

Résumé après lecture ：

Tout le textepaper Le modèle de , Toujours cliché seq2seqInfrastructure pour,Et aveclstm ecoderEtlstm decoderMode. Le seul point positif est Content Selector En utilisant l'idée du marquage séquentiel ,C'est un peu comme ça.copyMécanismes, Mais ce n'est pas la dernière étape pour modifier la distribution . Il n'y a eu qu'un petit changement dans l'ensemble du document , Et puis il peut prouver qu'il est vraiment efficace ,C'est bon.