MedTSS: 언어 분석과 개념 강화를 통한 과학 논문의 추상적 요약 전환

이 연구는 과학 논문에 대한 정확하고 포괄적인 추상적 요약(abstractive summary)을 생성하는 데 있어 사전 학습 모델(PTM)의 한계를 다루며, 특히 의학 연구에서 발생하는 도전 과제에 초점을 맞춘다. 제안된 솔루션인 의료 텍스트 간소화 및 요약(MedTSS)은 PTM을 위한 소스 텍스트를 풍부하게 하는 전용 모듈을 도입한다. MedTSS는 토큰 제한 문제를 해결하고, 다수의 개념을 강화하며, 추가 학습 없이도 실체 환각(entity hallucination) 문제를 완화한다. 또한, 생성된 요약을 간소화하기 위해 언어학적 분석을 수행하며, 특히 의학 연구 논문의 복잡한 특성에 맞게 최적화되어 있다. 실험 결과, MedTSS는 추가 학습 없이도 Rouge-1 점수를 16.46에서 35.17로 크게 향상시켰다. 지식 기반 구성 요소에 중점을 두는 이 프레임워크는 일반적으로 '더 많은 데이터' 또는 '더 많은 파라미터'라는 관행을 도전하는 독특한 시각을 제시한다. 이와 같은 대안적 접근은 건강 관련 분야에 특히 적합하며, 자연어 처리(NLP) 분야에 더 넓은 기여를 의미한다. MedTSS는 의료 연구 요약의 복잡성을 해결하는 혁신적인 모델일 뿐만 아니라, 초기 적용 범위를 넘어서 다양한 분야에 영향을 미칠 수 있는 패러다임 전환을 제시한다.