論文の概要: Background Knowledge Grounding for Readable, Relevant, and Factual Biomedical Lay Summaries

• arxiv url: http://arxiv.org/abs/2305.02104v1
• Date: Wed, 3 May 2023 13:24:49 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-04 14:44:26.420063
• Title: Background Knowledge Grounding for Readable, Relevant, and Factual Biomedical Lay Summaries
• Title（参考訳）: 読解・関連・事実的生医学的要約の背景知識基盤化
• Authors: Domenic Rosati
• Abstract要約: 提案手法は,情報源を抽出し,ソース文書と統合する手法である。 我々は,BioLaySum要約データセットを用いて,異なる接地源が要約品質に与える影響を評価する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Communication of scientific findings to the public is important for keeping non-experts informed of developments such as life-saving medical treatments. However, generating readable lay summaries from scientific documents is challenging, and currently, these summaries suffer from critical factual errors. One popular intervention for improving factuality is using additional external knowledge to provide factual grounding. However, it is unclear how these grounding sources should be retrieved, selected, or integrated, and how supplementary grounding documents might affect the readability or relevance of the generated summaries. We develop a simple method for selecting grounding sources and integrating them with source documents. We then use the BioLaySum summarization dataset to evaluate the effects of different grounding sources on summary quality. We found that grounding source documents improves the relevance and readability of lay summaries but does not improve factuality of lay summaries. This continues to be true in zero-shot summarization settings where we hypothesized that grounding might be even more important for factual lay summaries.
• Abstract（参考訳）: 科学的な知見を公衆に伝えることは、救命医療などの発展を非専門家に知らせる上で重要である。 しかし、科学的文書から読みやすい要約を生成することは困難であり、現在これらの要約は重大な事実的誤りを被っている。 事実性を改善するための一般的な介入の1つは、事実の根拠を提供するために追加の外部知識を使用することである。 しかし,これらの接地資料の検索,選択,統合,補足的接地資料が生成した要約の可読性や関連性にどのような影響を及ぼすかは明らかでない。 提案手法は,ソース選択とソースドキュメントの統合のための簡易な手法である。 次に、BioLaySum要約データセットを用いて、異なる接地源が要約品質に与える影響を評価する。 ソース文書の接地は,要約の関連性と可読性は向上するが,要約の事実性は向上しないことがわかった。 ゼロショットの要約では、事実の要約ではグラウンドがさらに重要だと仮定している。

関連論文リスト

• Groundedness in Retrieval-augmented Long-form Generation: An Empirical Study [61.74571814707054]
  検索した文書やモデルの事前学習データに生成されたすべての文が接地されているかどうかを評価する。 3つのデータセットと4つのモデルファミリーにまたがって、生成した文のかなりの部分が一貫してアングラウンド化されていることが明らかとなった。 以上の結果から,より大きなモデルではアウトプットをより効果的に基礎づける傾向にあるものの,正解のかなりの部分が幻覚によって損なわれていることが示唆された。
  論文  参考訳（メタデータ） (2024-04-10T14:50:10Z)
• Comparing Knowledge Sources for Open-Domain Scientific Claim Verification [6.726255259929497]
  PubMedは特殊なバイオメディカルクレームとうまく連携するが、Wikipediaは日常的な健康問題に向いている。 結果について議論し、頻繁な検索パターンと課題を概説し、将来有望な方向性を提供する。
  論文  参考訳（メタデータ） (2024-02-05T09:57:15Z)
• A Glitch in the Matrix? Locating and Detecting Language Model Grounding with Fakepedia [57.31074448586854]
  大規模言語モデル(LLM)は、そのコンテキストで提供される新しい情報を引き出すという印象的な能力を持つ。 しかし、この文脈的基盤のメカニズムはいまだに不明である。 本稿では,Fakepedia を用いたグラウンドディング能力の研究手法を提案する。
  論文  参考訳（メタデータ） (2023-12-04T17:35:42Z)
• Factually Consistent Summarization via Reinforcement Learning with Textual Entailment Feedback [57.816210168909286]
  我々は,この問題を抽象的な要約システムで解くために,テキストエンテーメントモデルの最近の進歩を活用している。 我々は、事実整合性を最適化するために、レファレンスフリーのテキストエンターメント報酬を用いた強化学習を用いる。 自動測定と人的評価の両結果から,提案手法は生成した要約の忠実さ,サリエンス,簡潔さを著しく向上させることが示された。
  論文  参考訳（メタデータ） (2023-05-31T21:04:04Z)
• On the State of German (Abstractive) Text Summarization [3.1776833268555134]
  ドイツの抽象的テキスト要約の景観を評価する。 業界において,抽象的なテキスト要約のための実用的なソリューションがいまだに欠落している理由を考察する。
  論文  参考訳（メタデータ） (2023-01-17T18:59:20Z)
• Improving Faithfulness of Abstractive Summarization by Controlling Confounding Effect of Irrelevant Sentences [38.919090721583075]
  事実整合性は、共同創設者として機能する入力テキストの無関係な部分によって引き起こされる可能性があることを示す。 そこで我々は,人間が記述した関連文を利用できる場合に利用することにより,そのような欠点を抑えるためのシンプルなマルチタスクモデルを設計する。 提案手法は,AnswerSumm citepfabbri 2021answersummデータセットの強いベースラインに対して,忠実度スコアを20%向上させる。
  論文  参考訳（メタデータ） (2022-12-19T18:51:06Z)
• FactPEGASUS: Factuality-Aware Pre-training and Fine-tuning for Abstractive Summarization [91.46015013816083]
  本稿では,FactPEGについて述べる。FactPEGは,事前学習と微調整における現実性の問題に対処する抽象的な要約モデルである。 分析の結果,FactPEGはゼロショットやスプリショットの設定において,本来の事前学習目標よりも現実的であることが示唆された。
  論文  参考訳（メタデータ） (2022-05-16T17:39:14Z)
• Faithful to the Document or to the World? Mitigating Hallucinations via Entity-linked Knowledge in Abstractive Summarization [29.36934859859676]
  ソース文書に対する「忠実さ」を最終的に改善することで、このシナリオに対処する手法が提案されている。 これらのエンティティは収差ではなく、その代わりに、ソース内のエンティティからの推論パスを推論するために、外部の世界の知識を活用する必要がある。
  論文  参考訳（メタデータ） (2022-04-28T20:28:45Z)
• Probing Factually Grounded Content Transfer with Factual Ablation [68.78413677690321]
  グラウンドドジェネレーションは、事実情報の信頼性のある外部文書(グラウンドディング)に描画する。 事実を計測するのも簡単で、すべての事実ではなく、世代が根拠に同意するかどうかをテストする。 本稿では,現実的な根拠からの情報を用いて,世代がプロンプトを拡大するコンテンツ転送問題について検討する。
  論文  参考訳（メタデータ） (2022-03-18T19:18:54Z)
• CitationIE: Leveraging the Citation Graph for Scientific Information Extraction [89.33938657493765]
  引用論文と引用論文の参照リンクの引用グラフを使用する。 最先端技術に対するエンド・ツー・エンドの情報抽出の大幅な改善を観察する。
  論文  参考訳（メタデータ） (2021-06-03T03:00:12Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。