生物医学问答的自适应检索策略

生物医学问答 (QA) 涵盖多种问题类型，包括是/否、事实陈述、列表和摘要问题，每种问题都需要不同形式的证据和推理。然而，大多数检索增强的问答系统都依赖于统一的检索管道，而不考虑不同问题类别的信息需求。这种一刀切的方法可能会限制证据获取和下游答案生成的有效性。在这项工作中，我们提出了一种自适应检索框架，可根据问题类型选择检索和证据聚合策略。该系统结合了查询理解、生物医学文档检索、重新排序、知识图增强、文档聚类和基于 大语言模型 的答案生成。对于是/否题，注重精准证据检索；对于事实陈述和列表问题，它强调面向实体的检索和聚类；对于总结性问题，它执行更广泛的证据收集和综合。我们在 BioASQ 基准上评估了所提出的框架，并证明自适应检索策略可以提高多种问题类型的证据相关性和答案质量。我们的结果表明，将检索机制与特定问题的信息需求相结合，为增强检索增强的生物医学问答系统提供了有效的方向。