論文の概要: Overview of the BioLaySumm 2023 Shared Task on Lay Summarization of
Biomedical Research Articles
- arxiv url: http://arxiv.org/abs/2309.17332v2
- Date: Wed, 25 Oct 2023 08:16:43 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-26 19:42:43.238212
- Title: Overview of the BioLaySumm 2023 Shared Task on Lay Summarization of
Biomedical Research Articles
- Title（参考訳）: バイオレイサム2023 バイオメディカル研究論文のレイサム化に関する共有課題の概要
- Authors: Tomas Goldsack, Zheheng Luo, Qianqian Xie, Carolina Scarton, Matthew
Shardlow, Sophia Ananiadou, Chenghua Lin
- Abstract要約: 本稿では,ACL 2023のBioNLPワークショップで開催されているバイオメディカルリサーチ記事のレイ要約(BioLaySumm)における共有タスクの結果について述べる。
この共有タスクの目的は、"遅延要約"を生成することができる抽象的な要約モデルを開発することである。
総合的な結果に加えて,BioLaySumm共有タスクのセットアップと洞察についても報告した。
- 参考スコア（独自算出の注目度）: 47.04555835353173
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper presents the results of the shared task on Lay Summarisation of
Biomedical Research Articles (BioLaySumm), hosted at the BioNLP Workshop at ACL
2023. The goal of this shared task is to develop abstractive summarisation
models capable of generating "lay summaries" (i.e., summaries that are
comprehensible to non-technical audiences) in both a controllable and
non-controllable setting. There are two subtasks: 1) Lay Summarisation, where
the goal is for participants to build models for lay summary generation only,
given the full article text and the corresponding abstract as input; and 2)
Readability-controlled Summarisation, where the goal is for participants to
train models to generate both the technical abstract and the lay summary, given
an article's main text as input. In addition to overall results, we report on
the setup and insights from the BioLaySumm shared task, which attracted a total
of 20 participating teams across both subtasks.
- Abstract（参考訳）: 本稿では,ACL 2023のBioNLPワークショップで開催されているバイオメディカルリサーチ記事のレイ要約(BioLaySumm)における共有タスクの結果について述べる。
この共有タスクの目的は、制御可能かつ制御不能な設定の両方で「遅延要約」(すなわち、非技術的オーディエンスにとって理解しやすい要約)を生成することができる抽象的な要約モデルを開発することである。
サブタスクは2つあります。
1)レイ要約(Lay Summarisation)は,全記事テキスト及び対応する要約を入力として指定し,参加者がレイ要約生成のみのモデルを構築することを目標とする。
2) 可読性制御による要約は, 論文の主文を入力として, 参加者がモデルの訓練を行い, 技術的要約と台詞要約の両方を生成することを目的としている。
総合的な結果に加えて,BioLaySumm共有タスクのセットアップと洞察についても報告した。
関連論文リスト
- Overview of the BioLaySumm 2024 Shared Task on the Lay Summarization of Biomedical Research Articles [21.856049605149646]
本稿では,生物医学研究論文のLay Summarisationに関する第2版BioLaySumm共有タスクのセットアップと結果について述べる。
我々は、この重要な課題に対する研究の関心をさらに高め、参加者に新しいアプローチを探求するよう促すことで、初版の成功に基づけることを目指している。
以上の結果から,大規模言語モデル(LLM)の活用に向けて,幅広い革新的アプローチが課題参加者によって取り入れられたことが示唆された。
論文 参考訳（メタデータ） (2024-08-16T07:00:08Z) - Overview of the PromptCBLUE Shared Task in CHIP2023 [26.56584015791646]
本稿では,CHIP-2023会議におけるPromptC BLUE共有タスクの概要について述べる。
一般的な医学自然言語処理において、中国のオープンドメインや医学ドメインの大規模言語モデル(LLM)に優れたテストベッドを提供する。
本稿では,タスク,データセット,評価指標,および両タスクの上位システムについて述べる。
論文 参考訳（メタデータ） (2023-12-29T09:05:00Z) - Summary-Oriented Vision Modeling for Multimodal Abstractive
Summarization [63.320005222549646]
マルチモーダル抽象要約(MAS)は、マルチモーダルデータ(テキストとビジョン)から簡潔な要約を作成することを目的としている。
本稿では,要約指向の視覚的特徴によって要約品質を改善することを提案する。
中高、低低、ゼロリソースのシナリオをカバーする44言語の実験は、提案手法の有効性と優位性を検証する。
論文 参考訳（メタデータ） (2022-12-15T09:05:26Z) - LED down the rabbit hole: exploring the potential of global attention
for biomedical multi-document summarisation [59.307534363825816]
我々はPRIMERAをバイオメディカル領域に適応させ,重要なバイオメディカルエンティティにグローバルな注意を払っている。
結果から得られた23モデルの出力を分析し, 追加のグローバルアテンションの存在に関連する結果のパターンを報告する。
論文 参考訳（メタデータ） (2022-09-19T01:13:42Z) - Template-based Abstractive Microblog Opinion Summarisation [26.777997436856076]
我々は,マイクロブログ意見要約(MOS)の課題を紹介し,ゴールド標準意見要約3100のデータセットを共有する。
このデータセットには、2年間にわたるつぶやきの要約が含まれており、他のパブリックなTwitter要約データセットよりも多くのトピックをカバーしている。
論文 参考訳（メタデータ） (2022-08-08T12:16:01Z) - SemEval-2021 Task 4: Reading Comprehension of Abstract Meaning [47.49596196559958]
本稿では,SemEval-2021共有タスクについて紹介する。4: Reading of Abstract Meaning (ReCAM)。
パスとそれに対応する質問が与えられた場合、参加者システムは、抽象概念の5つの候補から正しい回答を選択することが期待される。
Subtask 1は、物理的な世界で直接認識できない概念を、システムがいかにうまくモデル化できるかを評価することを目的としている。
Subtask 2は、ハイパーニム階層にある非特異な概念を解釈するモデルの能力に焦点を当てている。
Subtask 3は、2種類の抽象性に対するモデルの一般化可能性に関する洞察を提供することを目的としている。
論文 参考訳（メタデータ） (2021-05-31T11:04:17Z) - Controllable Abstractive Dialogue Summarization with Sketch Supervision [56.59357883827276]
本モデルは,最大50.79のROUGE-Lスコアを持つ最大対話要約コーパスSAMSumの最先端性能を実現する。
論文 参考訳（メタデータ） (2021-05-28T19:05:36Z) - Topic-Centric Unsupervised Multi-Document Summarization of Scientific
and News Articles [3.0504782036247438]
本稿では,トピック中心のマルチドキュメント要約フレームワークを提案し,抽象的な要約を生成する。
提案アルゴリズムは,有能な言語単位選択とテキスト生成技術を開発することにより,抽象的な要約を生成する。
提案手法は,自動抽出評価指標を用いて評価した場合の最先端技術と一致し,人間の5つの評価指標の抽象的要約に優れる。
論文 参考訳（メタデータ） (2020-11-03T04:04:21Z) - Dimsum @LaySumm 20: BART-based Approach for Scientific Document
Summarization [50.939885303186195]
BARTモデルに基づくレイサマリー生成システムを構築した。
文ラベルを余分な監視信号として活用し、レイ・サマリゼーションの性能を向上させる。
論文 参考訳（メタデータ） (2020-10-19T06:36:11Z)
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。