Querying Across Genres for Medical Claims in News
Querying Across Genres for Medical Claims in News
复制标题
DOI：
10.18653/v1/2020.emnlp-main.139
复制
发表时间：
2020-11
期刊：
影响因子：
--
通讯作者：
Chaoyuan Zuo;Narayan Acharya;Ritwik Banerjee
中科院分区：
文献类型：
--
作者：
Chaoyuan Zuo;Narayan Acharya;Ritwik Banerjee
我们提出了一个基于查询的生物医学信息检索任务，在两个截然不同的流派-新闻和研究文献-的目标是找到研究出版物，支持在健康相关的新闻文章中提出的主要要求。对于这项任务，我们提出了一个新的数据集，其中包含5，034个来自新闻的索赔与研究摘要。我们的方法包括两个步骤：（i）从222 k研究摘要中选择最相关的候选人，以及（ii）重新排序此列表。我们比较了经典的IR方法，使用BM 25与最近的变压器为基础的模型。我们的研究结果表明，跨流派的医疗IR是一个可行的任务，但结合特定领域的知识是至关重要的。
We present a query-based biomedical information retrieval task across two vastly different genres – newswire and research literature – where the goal is to find the research publication that supports the primary claim made in a health-related news article. For this task, we present a new dataset of 5,034 claims from news paired with research abstracts. Our approach consists of two steps: (i) selecting the most relevant candidates from a collection of 222k research abstracts, and (ii) re-ranking this list. We compare the classical IR approach using BM25 with more recent transformer-based models. Our results show that cross-genre medical IR is a viable task, but incorporating domain-specific knowledge is crucial.