XiaoMi-AI文件搜索系统
World File Search SystemPubMedQA
基于NLP的问题回答肠道微生物组的GPT
当前基于NLP的CHATGPT深度学习模型已经开发并验证了这些模型，这些模型在与一般主题有关的多项选择问题上，并在某种程度上是标准的科学基准数据集，例如PubMed Question-swingering（PubMedQA），Arxiv和Stanford Question-wording Question-Assive-Assive-Asswork-Assworge-Answorking Dataset（Squead）。但是，QA任务尤其是全文文章阅读是一项非常具有挑战性的任务，并且在当前Chatgpts的科学环境中是一项艰巨的任务。我们的管道着重于生物化学，生物信息学，生物医学的生成预训练的变压器（GPT）模型，包括临床文献，例如生物标志物，药物，剂量等。与迄今为止在现场的给定关键字或上下文特定文献有关（“人类肠道微生物组作为案例研究”）。
XSL•fo
图1提供了研究设计的示意图。这项研究包括3个组成部分：数据，模型和评估。模型根据数据类型而变化，而评估方法在整个过程中保持一致。数据分为两种类型：PubMedQA，源自医学研究摘要，以及从Quora [41-43]中提取的问答数据，这是一个社交平台，用户提出和回答问题。实验中使用的模型包括两种类型：经过预处理的基本模型和一个对医学数据进行微调的模型。为了评估每个模型的生成答案，我们检查了与输入问题有关的响应的数量和质量。随后，我们评估了正确答案的生成答案的相似性。bert的相似性[36]和Spacy相似性[37]用于测量每个与抑郁症相关问题的人提供的原始答案与LLM生成的答案之间的上下文相似性。