Fugu-MT 論文翻訳(概要): SummQA at MEDIQA-Chat 2023:In-Context Learning with GPT-4 for Medical Summarization

論文の概要: SummQA at MEDIQA-Chat 2023:In-Context Learning with GPT-4 for Medical Summarization

arxiv url: http://arxiv.org/abs/2306.17384v1
Date: Fri, 30 Jun 2023 03:14:04 GMT
ステータス: 処理完了
システム内更新日: 2023-07-03 13:44:56.822644
Title: SummQA at MEDIQA-Chat 2023:In-Context Learning with GPT-4 for Medical Summarization
Title（参考訳）: MEDIQA-Chat 2023におけるSummQA:医療要約のためのGPT-4を用いた文脈学習
Authors: Yash Mathur, Sanketh Rangreji, Raghav Kapoor, Medha Palavalli, Amanda Bertsch, Matthew R. Gormley
Abstract要約: MEDIQA 2023共有タスクにおけるダイアログ2ノート医療要約タスクの新しいシステムを提案する。課題A(Task-wise summarization)に対する我々のアプローチは、意味論的に類似した対話を選択し、トップk類似の対話をGPT-4のテキスト内例として利用する2段階のプロセスである。全音素要約(Task B)では、k=1の同様の解を用いる。
参考スコア（独自算出の注目度）: 5.92318236682798
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Medical dialogue summarization is challenging due to the unstructured nature of medical conversations, the use of medical terminology in gold summaries, and the need to identify key information across multiple symptom sets. We present a novel system for the Dialogue2Note Medical Summarization tasks in the MEDIQA 2023 Shared Task. Our approach for section-wise summarization (Task A) is a two-stage process of selecting semantically similar dialogues and using the top-k similar dialogues as in-context examples for GPT-4. For full-note summarization (Task B), we use a similar solution with k=1. We achieved 3rd place in Task A (2nd among all teams), 4th place in Task B Division Wise Summarization (2nd among all teams), 15th place in Task A Section Header Classification (9th among all teams), and 8th place among all teams in Task B. Our results highlight the effectiveness of few-shot prompting for this task, though we also identify several weaknesses of prompting-based approaches. We compare GPT-4 performance with several finetuned baselines. We find that GPT-4 summaries are more abstractive and shorter. We make our code publicly available.
Abstract（参考訳）: 医療対話の要約は、医療会話の非構造化の性質、金の要約における医学用語の使用、複数の症状セットにまたがる重要な情報を特定する必要性などにより困難である。 MEDIQA 2023共有タスクにおけるダイアログ2ノート医療要約タスクの新しいシステムを提案する。タスクaは、意味的に類似した対話を選択し、gpt-4の文脈内例としてtop-k類似の対話を使用する2段階のプロセスである。全音素要約(Task B)では、k=1の同様の解を用いる。私たちは、タスクA(全チーム2位)で3位、タスクBディビジョンで4位(全チーム2位)で4位、タスクAディビジョンで15位(全チーム9位)で15位、タスクBの全チームで8位を獲得しました。 GPT-4の性能をいくつかの微調整ベースラインと比較する。 GPT-4サマリーはより抽象的で短くなっている。コードを公開しています。

関連論文リスト

Two eyes, Two views, and finally, One summary! Towards Multi-modal Multi-tasking Knowledge-Infused Medical Dialogue Summarization [12.953002469651938]
医学的懸念, 医師の印象, 全体像の要約を同時に生成する多面的アプローチの有効性について検討した。マルチモーダル・マルチタスク・知識注入型医療対話要約生成モデル(MMK-Summation)を提案する。モデルMMK-Summationは、対話を入力として取り、コンテキストに基づいて関連する外部知識を抽出し、対話から知識と視覚的手がかりをテキストコンテンツに統合し、最終的には簡潔な要約を生成する。
論文参考訳（メタデータ） (2024-07-21T18:00:10Z)
Generating medically-accurate summaries of patient-provider dialogue: A multi-stage approach using large language models [6.252236971703546]
効果的な要約は、対話におけるすべての医学的関連情報を一貫性と精度良く捉えることが要求される。本稿では, 医療会話の要約問題に, タスクを, より小さな対話に基づくタスクに分解することで対処する。
論文参考訳（メタデータ） (2023-05-10T08:48:53Z)
GersteinLab at MEDIQA-Chat 2023: Clinical Note Summarization from Doctor-Patient Conversations through Fine-tuning and In-context Learning [4.2570830892708225]
本稿では,サブタスクAとサブタスクBの両方を含む,MEDIQA-2023 Dialogue2Note共有タスクへのコントリビューションについて述べる。本稿では,対話要約問題としてタスクにアプローチし,a)事前学習した対話要約モデルとGPT-3の微調整,およびb)大規模言語モデルであるGPT-4を用いた少数ショットインコンテキスト学習(ICL)の2つのパイプラインを実装した。どちらの方法もROUGE-1 F1、BERTScore F1(deberta-xlarge-mnli)、BLEURTで優れた結果が得られる。
論文参考訳（メタデータ） (2023-05-08T19:16:26Z)
DAMO-NLP at SemEval-2023 Task 2: A Unified Retrieval-augmented System for Multilingual Named Entity Recognition [94.90258603217008]
MultiCoNER RNum2共有タスクは、細粒度でノイズの多いシナリオにおいて、多言語の名前付きエンティティ認識(NER)に取り組むことを目的としている。 MultiCoNER RNum1の以前のトップシステムは、ナレッジベースまたはガゼッタを組み込んでいる。細粒度多言語NERのための統一検索拡張システム(U-RaNER)を提案する。
論文参考訳（メタデータ） (2023-05-05T16:59:26Z)
WangLab at MEDIQA-Chat 2023: Clinical Note Generation from Doctor-Patient Conversations using Large Language Models [2.3608256778747565]
我々はMEDIQA-Chat 2023の共有タスクを医師と患者との会話から自動的な臨床ノート作成のために提出した。本稿では,共有タスクデータに事前学習言語モデル(PLM)を1つ,大言語モデル(LLM)を2つ導入し,その2つについて報告する。専門家の人間の精査は、ICLベースのGPT-4によるアプローチによって生成されたメモが、人間によるメモと同じくらい頻繁に好まれていることを示している。
論文参考訳（メタデータ） (2023-05-03T15:58:28Z)
SLUE Phase-2: A Benchmark Suite of Diverse Spoken Language Understanding Tasks [88.4408774253634]
音声言語理解(SLU)タスクは、音声研究コミュニティで何十年にもわたって研究されてきた。 SLUタスクベンチマークはそれほど多くはなく、既存のベンチマークの多くは、すべての研究者が自由に利用できないデータを使っている。最近の研究は、いくつかのタスクにそのようなベンチマークを導入し始めている。
論文参考訳（メタデータ） (2022-12-20T18:39:59Z)
Findings of the WMT 2022 Shared Task on Translation Suggestion [63.457874930232926]
We report the results of the first edition of the WMT shared task on Translation Suggestion。このタスクは、機械翻訳(MT)によって生成された文書全体に対して、特定の単語やフレーズの代替手段を提供することを目的としている。 2つのサブタスク、すなわち単純翻訳提案と暗示付き翻訳提案で構成されている。
論文参考訳（メタデータ） (2022-11-30T03:48:36Z)
CREATIVESUMM: Shared Task on Automatic Summarization for Creative Writing [90.58269243992318]
本稿では,複数の創作分野,すなわち文学テキスト,映画脚本,テレビ脚本を要約する作業について紹介する。 4つのサブタスクとその対応するデータセットを導入し、本、映画脚本、プライムタイムテレビ脚本、昼間のソープオペラ脚本の要約に焦点を当てた。 COING 2022でのCREATIVESUMMワークショップの一環として、共有タスクには合計18の応募が寄せられた。
論文参考訳（メタデータ） (2022-11-10T21:31:03Z)
Instruction Tuning for Few-Shot Aspect-Based Sentiment Analysis [72.9124467710526]
生成的アプローチは、テキストから(1つ以上の)4つの要素を1つのタスクとして抽出するために提案されている。本稿では,ABSAを解くための統一的なフレームワークと,それに関連するサブタスクを提案する。
論文参考訳（メタデータ） (2022-10-12T23:38:57Z)
A Benchmark for Automatic Medical Consultation System: Frameworks, Tasks and Datasets [70.32630628211803]
本稿では,医師と患者との対話理解とタスク指向インタラクションという,医療相談の自動化を支援する2つの枠組みを提案する。マルチレベルな微粒なアノテーションを付加した新しい大規模医療対話データセットが導入された。本稿では,各タスクに対するベンチマーク結果のセットを報告し,データセットのユーザビリティを示し,今後の研究のベースラインを設定する。
論文参考訳（メタデータ） (2022-04-19T16:43:21Z)
Towards an Automated SOAP Note: Classifying Utterances from Medical Conversations [0.6875312133832078]
我々は、(i)SOAPセクションと(ii)話者の役割に従って、医療会話から発話を分類するためのギャップを橋渡しします。本稿では,既存のディープラーニングアーキテクチャを上記の2つのタスクに適応させるシステム分析を提案する。その結果,単語レベルと発話レベルの両方をキャプチャする階層的な文脈をモデル化することで,両者の分類作業を大幅に改善することが示唆された。
論文参考訳（メタデータ） (2020-07-17T04:19:30Z)

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。