Makine öğrenmesi tabanlı tıbbi alanda özetleme sistemi

Bilimsel araştırmaları genel kamuoyuna aktarmak, hem hayati bir öneme sahip hem de zorlu bir çaba gerektirmektedir. Bilimsel bilgi ile halkın anlayışı arasındaki boşluğu kapatmak genellikle araştırma bulgularının basitleştirilmiş hali olan özetlerin kullanılmasını gerektirir. Bu tezde, biyomedikal araştırmaların genel kamuoyuna etkili bir şekilde iletilmesini sağlamak amacıyla öz ve ana metinlerden özetler oluşturan bir sistem geliştirmekteyiz. Özellikle PLOS ve eLife gibi önde gelen biyomedikal dergilerden seçilen veri kümelerine dayanarak, öz ve ana metinden özetler oluşturan bir sistem geliştiriyoruz. Bu tez, Biyomedikal Özetleme için iki farklı yaklaşımı keşfeder. Model 1'de, giriş makaleleri, non-ASCII karakterlerin ve gereksiz parantezlerin kaldırılması gibi metin önişleme tekniklerinden geçirilir. BC5CDR ve JNLPBA gibi biyomedikal metinler için özel olarak tasarlanmış adlandırılmış varlık tanıma modelleri olan Stanza kütüphanesi kullanılarak biyo-öznitelikler belirlenir ve etiketlenir. Diğer yandan, Model 2, orijinal özet metnini bir özet olarak kullanır ve önceden işlenmiş tam metin makaleler üzerinde eğitilen BART tabanlı bir model tarafından üretilen özetlerle birleştirir. Modelin 1024 karakterlik giriş uzunluğu sınırlamasını karşılamak için daha uzun makaleler bölümlere ayrılır ve ardışık olarak modele beslenir. Modelin çıktıları birleştirilerek tam bir özet oluşturulur. Oluşturulan özetleri iyileştirmek için metin temizleme ve Stanza kütüphanesinin bilinmeyen kelimeleri belirleme ve etiketleme gibi bir son işleme teknikleri uygulanır. Bu iki yaklaşım, biyomedikal alandaki otomatik özetleme sistemlerinin gelişimine katkıda bulunurken, bilimsel bilginin daha geniş bir kitleye anlaşılır bir şekilde iletilmesini kolaylaştırır.