融合多粒度语义信息和知识图谱的中文医疗问答匹配模型

1

作者 管立本 李实 《计算机工程与应用》 CSCD 北大核心 2024年第14期152-161,共10页

中文医疗领域问答容易受到医疗特定词汇的噪声影响,相对于开放领域问答其更具有挑战性。以往的中文医疗问答研究主要依赖于字符级别的细粒度信息,忽略了携带更多语义信息的单词级别的粗粒度信息。此外,引入外部医学知识图谱可以进一步... 中文医疗领域问答容易受到医疗特定词汇的噪声影响,相对于开放领域问答其更具有挑战性。以往的中文医疗问答研究主要依赖于字符级别的细粒度信息,忽略了携带更多语义信息的单词级别的粗粒度信息。此外,引入外部医学知识图谱可以进一步丰富问答句子中的细粒度信息,然而目前大多数研究通常只采用句子和外部知识共同表示的简单方式。由此提出一种融合多粒度语义信息和知识图谱的中文医疗问答匹配模型(CMQA-MGSI)。该模型引入Lattice网络,结合Word2Vec和BERT设计了两种特征向量提取模型来选择问答句子中最相关的字符序列和单词序列以获得更丰富的多粒度语义信息;为了更好地融合外部领域知识,设计双通道注意力模块提取问答句子和知识图谱中实体嵌入以及关系嵌入之间多个角度的知识表征信息。该模型在数据集cMedQA1.0和cMedQA2.0上的实验表明,效果优于现有的问答匹配模型。 展开更多

关键词 中文医疗问答 多粒度信息 知识图谱 Lattice网络 注意力机制

下载PDF 职称材料

融合知识图谱和语义匹配的医疗问答系统 被引量：1

2

作者 徐若卿 《现代电子技术》 北大核心 2024年第8期49-54,共6页

问答系统是自然语言处理领域中的一项重要任务,常应用于医疗服务。传统的问答系统通过知识图谱的实体关系匹配返回相应的尾实体作为答案,然而,倘若实体或关系无法识别,又或者在知识图谱中并不存在相应的实体关系,问答将无法继续进行。... 问答系统是自然语言处理领域中的一项重要任务,常应用于医疗服务。传统的问答系统通过知识图谱的实体关系匹配返回相应的尾实体作为答案,然而,倘若实体或关系无法识别,又或者在知识图谱中并不存在相应的实体关系,问答将无法继续进行。为了解决这一问题,建立一种融合知识图谱和语义匹配模型的中文医疗问答混合系统。当所提问题无法在知识图谱中进行实体关系匹配时,该模型能继续从问答对数据集中找到最相似的问题,并返回相应结果作为答案。在语义匹配模型方面,结合中文医疗相似问题对,在Sentence-BERT模型上进行微调训练,并引入双曲空间中的距离度量函数对句子对进行相似度度量。结果表明:在整体性能方面,所提模型相较于BERT这类大语言模型精度能提升7.16%;在度量能力方面,双曲度量相较于通用欧氏空间度量,如余弦度量,最高能有2.28%的精度提升和1.58%的F_1值提升。 展开更多

关键词 医疗问答系统 知识图谱 语义匹配 问答对数据集 相似问题对 双曲距离度量

下载PDF 职称材料

基于BERT-BiGRU模型的智慧医疗问答系统

3

作者 黄涌 葸娟霞 关成斌 《软件工程》 2024年第3期11-14,25,共5页

针对医疗问答系统在处理复杂问题时面临上下文语义理解的局限,提出一种基于BERT-BiGRU的模型。通过预训练语言模型BERT和双向门控循环单元BiGRU建立医疗问答系统,其中BERT提取文本语义特征,BiGRU学习文本的顺序依赖信息,进而全面表示文... 针对医疗问答系统在处理复杂问题时面临上下文语义理解的局限,提出一种基于BERT-BiGRU的模型。通过预训练语言模型BERT和双向门控循环单元BiGRU建立医疗问答系统,其中BERT提取文本语义特征,BiGRU学习文本的顺序依赖信息,进而全面表示文本语义结构信息。在CBLUE医疗问答数据集上与基准方法相比,该模型在意图识别任务上的精确率提高到79.22%,召回率提高到81.23%,F1值(精确率和召回率的调和平均值)提高到79.82%。研究表明,结合BERT和BiGRU的模型可以更好地理解医疗问句的语义和结构信息,显著地提升了医疗问答系统的性能。 展开更多

关键词 BERT BiGRU 知识图谱 意图识别 医疗问答系统

下载PDF 职称材料

面向医疗问答系统的大语言模型命名实体识别方法 被引量：10

4

作者 杨波 孙晓虎 +2 位作者 党佳怡 赵海燕 金芝 《计算机科学与探索》 CSCD 北大核心 2023年第10期2389-2402,共14页

在医疗问答系统中,实体识别发挥了重大作用。随着深度学习的发展,基于深度学习的实体识别得到了越来越多的关注。但是,在医疗问答系统中,由于缺少带标注的训练数据,深度学习方法不能够很好地识别医疗文本中的非连续实体和嵌套实体。为此... 在医疗问答系统中,实体识别发挥了重大作用。随着深度学习的发展,基于深度学习的实体识别得到了越来越多的关注。但是,在医疗问答系统中,由于缺少带标注的训练数据,深度学习方法不能够很好地识别医疗文本中的非连续实体和嵌套实体。为此,提出了一种基于大语言模型的实体识别应用方法,并且将其应用到医疗问题系统中。首先将医疗问答相关的数据集进行处理,变成大语言模型能够分析和处理的文本;其次针对大语言模型的输出进行分类,并对不同的分类采取相应的处理;然后将输入的文本进行意图识别,最终将实体识别和意图识别的结果发送到医疗知识图谱中进行查询,得到医疗问答的答案。在3个典型的数据集上进行了实验,并与几种典型的相关方法进行了对比。结果显示所提出的方法表现效果更好。 展开更多

关键词 大语言模型 实体识别 意图识别 医疗问答系统

下载PDF 职称材料

基于知识图谱的医疗问答系统设计与实现

5

作者 颜德彪 《信息与电脑》 2023年第13期123-125,共3页

为提高医疗服务水平,设计基于知识图谱的医疗问答系统。首先,构建医疗问答系统,在业务层中搭建医疗数据知识图谱,并生成医疗问题知识模板;其次,采用基于相似度的问句实体抽取算法和意图识别算法,以获取用户的问题意图;最后,将意图传输... 为提高医疗服务水平,设计基于知识图谱的医疗问答系统。首先,构建医疗问答系统,在业务层中搭建医疗数据知识图谱,并生成医疗问题知识模板;其次,采用基于相似度的问句实体抽取算法和意图识别算法,以获取用户的问题意图;最后,将意图传输至知识图谱,并查询相应答案返回给用户,从而实现智能医疗问答。 展开更多

关键词 知识图谱 医疗问答 问题意图

下载PDF 职称材料

在线医疗问答文本的命名实体识别 被引量：23

6

作者 杨文明 褚伟杰 《计算机系统应用》 2019年第2期8-14,共7页

本文主要是对在线问诊中产生的医疗文本进行命名实体识别的研究.使用在线医疗问答网站的数据,采用{B, I, O}标注体系构建数据集,抽取疾病、治疗、检查和症状四个医疗实体.以BiLSTM-CRF为基准模型,提出两种深度学习模型IndRNN-CRF和IDCNN... 本文主要是对在线问诊中产生的医疗文本进行命名实体识别的研究.使用在线医疗问答网站的数据,采用{B, I, O}标注体系构建数据集,抽取疾病、治疗、检查和症状四个医疗实体.以BiLSTM-CRF为基准模型,提出两种深度学习模型IndRNN-CRF和IDCNN-BiLSTM-CRF,并在自构建数据集上验证模型的有效性.将新提出的两种模型与基准模型通过实验对比得出:模型IDCNN-BiLSTM-CRF的F1值0.8116,超过了BiLSTM-CRF的F1值0.8009, IDCNN-BiLSTM-CRF整体性能好于BiLSTM-CRF模型;模型IndRNN-CRF的精确率0.8427,但该模型在召回率上低于基准模型BiLSTM-CRF. 展开更多

关键词 医疗问答 深度学习 独立循环神经网络 膨胀卷积 双向循环神经网络

下载PDF 职称材料

面向中文医疗问答网站的相似问题检索研究 被引量：1

7

作者 王保成 刘利军 黄青松 《中文信息学报》 CSCD 北大核心 2022年第6期135-145,共11页

医疗问答平台主要通过关键词检索来服务,但其缺点是难以应对文本中多样化表达、否定词较多等特点,且不能充分根据用户的语义查询,使查询结果中有大量无关项。因此该文先用基于改进文本卷积神经网络的哈希生成模型,进行相似问题的语义检... 医疗问答平台主要通过关键词检索来服务,但其缺点是难以应对文本中多样化表达、否定词较多等特点,且不能充分根据用户的语义查询,使查询结果中有大量无关项。因此该文先用基于改进文本卷积神经网络的哈希生成模型,进行相似问题的语义检出,以更好地处理文本中的多样化表达、否定词较多等现象。然后,用更精确的文本匹配模型对检出集合进行过滤和排序,通过集成学习构建该模型。模型先集成Siamese-BERT模型,该模型利用孪生网络,并用BERT作为基础模型,能更好地进行语义抽取;接着集成BERT-Match模型,该模型借助BERT的多头注意力机制,能更好地捕捉问句间的局部相关性。最后,用梯度下降提升树将语义特征及统计特征结合,使模型更准确。实验结果表明,该文方法在进行相似问题检出和文本匹配时能得到更好的结果。 展开更多

关键词 医疗问答平台 文本卷积神经网络 文本匹配模型 集成学习

下载PDF 职称材料

基于知识图谱和模型融合的医疗问答系统的构建 被引量：3

8

作者 谭威 刘成良 《中华医学图书情报杂志》 CAS 2021年第11期1-9,共9页

基于语义解析和规则匹配融合的模型,利用少量的语义训练语料,以中文医疗知识图谱为知识基础,构建中文医疗问答系统,解决医疗领域中文语料缺乏且标注难度大的问题。该系统由语义解析模块(SPM)和答案查询模块(AQM)组成。其中,SPM由意图识... 基于语义解析和规则匹配融合的模型,利用少量的语义训练语料,以中文医疗知识图谱为知识基础,构建中文医疗问答系统,解决医疗领域中文语料缺乏且标注难度大的问题。该系统由语义解析模块(SPM)和答案查询模块(AQM)组成。其中,SPM由意图识别和命名实体识别组成,它们分别以BERT-Text CNN和BiLSTM-CRF模型为基础,融合了规则校正,其准确率较非融合模型分别提升9%和11%。实验结果表明,该系统回答准确率达到82%,具有较强的问题解答能力和一定的实用价值。 展开更多

关键词 知识图谱 医疗问答系统 意图识别 命名实体识别 模型融合

下载PDF 职称材料

智能医疗问答系统的设计与实现 被引量：1

9

作者 何艳 张宁 《中国医疗设备》 2021年第9期100-103,108,共5页

目的设计与实现智能医疗问答系统,为医疗服务信息化和智慧化的建设提供支持。方法本系统平台引入B/S架构设计,采用前后端分离开发。其中利用Vue.JS开发Web端,以JavaEE作为基础语言搭建后端,配合Spring框架实现MVC模式对项目解耦合处理... 目的设计与实现智能医疗问答系统,为医疗服务信息化和智慧化的建设提供支持。方法本系统平台引入B/S架构设计,采用前后端分离开发。其中利用Vue.JS开发Web端,以JavaEE作为基础语言搭建后端,配合Spring框架实现MVC模式对项目解耦合处理。项目数据库的数据来源于寻医问药网(http://www.xywy.com/),以WebMagic框架多线程进行数据爬取。采用关系型数据库MySQL实现医疗信息以及用户信息的数据存储。结果本文设计实现了一款基于JavaEE的医疗问答系统。通过数据库设计、服务逻辑设计、系统优化设计和数据交互设计,利用中文分词技术和数据库对象映射与知识推理,实现基本的医疗问答。结论智能医疗问答系统能够满足用户健康需求,在B/S模式下让用户通过网页浏览器实现医疗健康信息咨询。 展开更多

关键词 智能医疗问答系统 医疗服务 关系型数据库

下载PDF 职称材料

基于特定领域知识的医疗问答系统信息质量预测

10

作者 胡泽 张展 左德承 《智能计算机与应用》 2019年第6期124-131,共8页

伴随着智能手机以及移动互联网的高速普及,健康消费者越来越倾向于随时随地地在线咨询疾病、健康信息。其中最流行的方式便是医疗问答系统,因为其作为一种典型的在线问诊平台,可以为广大健康消费者提供足不出户、高效率以及高性价比的... 伴随着智能手机以及移动互联网的高速普及,健康消费者越来越倾向于随时随地地在线咨询疾病、健康信息。其中最流行的方式便是医疗问答系统,因为其作为一种典型的在线问诊平台,可以为广大健康消费者提供足不出户、高效率以及高性价比的专业医生诊断体验。然而由于缺乏有效的信息质量管控机制,当前的医疗问答系统仍然会出现医生回答质量参差不齐的状况,这不仅会误导健康消费者,而且会造成医生的重复努力,同时也导致了积累的医疗问答知识库无法被有效复用。因而,对医疗问答系统的信息质量进行自动化预测就显得迫在眉睫。为此,本文提出了一种基于特定领域知识视角、协同训练以及集成学习的医疗问答系统信息质量预测算法。通过俘获不同特定领域知识视角间的高度非线性关系,有效地挖掘出了嵌入在大量未标记医疗问答数据中的特定领域语义知识,显著地提升了信息质量的预测性能。 展开更多

关键词 特定领域时序特征 特定领域表面语言特征 特定领域社会特征 协同训练 集成学习 医疗问答系统

下载PDF 职称材料

在线医疗问答文本命名实体识别的研究

11

作者 王雪梅 《移动信息》 2021年第5期133-135,142,共4页

在线医疗问答文本具有参与人数多和真实性高的特性,医学价值较高,而命名实体识别是挖掘其价值的第一步。文章采用分析过往文献以获取实验数据集的方法,比较在线医疗问答文本命名实体识别的各种算法及其常用的实验评价指标,提出在线医疗... 在线医疗问答文本具有参与人数多和真实性高的特性,医学价值较高,而命名实体识别是挖掘其价值的第一步。文章采用分析过往文献以获取实验数据集的方法,比较在线医疗问答文本命名实体识别的各种算法及其常用的实验评价指标,提出在线医疗问答文本实体识别今后的研究方向。 展开更多

关键词 医疗问答 命名实体识别 深度学习

下载PDF 职称材料

基于混合动态掩码与多策略融合的医疗知识图谱问答

12

作者 王润周 张新生 《计算机科学与探索》 CSCD 北大核心 2024年第10期2770-2786,共17页

医疗知识图谱问答结合医学知识和自然语言处理技术,为医疗从业者和患者提供准确、快速的问答服务。随着数据激增,现有的中文医疗知识图谱不够全面,并且医学问题复杂多义,准确识别实体信息、生成通俗易懂的回答仍有挑战。提出了一种基于... 医疗知识图谱问答结合医学知识和自然语言处理技术,为医疗从业者和患者提供准确、快速的问答服务。随着数据激增,现有的中文医疗知识图谱不够全面,并且医学问题复杂多义,准确识别实体信息、生成通俗易懂的回答仍有挑战。提出了一种基于混合动态掩码与多策略融合的医疗知识图谱问答框架。通过整合公开数据集与医药平台的疾病知识,构建了一个包含34167个实体和297463条关系的医疗知识图谱,涵盖疾病、药品、食物等多个类别。提出BERT-MaskAttention-BiLSTM-CRF混合动态掩码模型来精确识别输入的医疗实体信息,更有效地关注重要内容,去除冗余信息干扰。采用实体对齐策略将医疗实体进行统一和标准化,通过意图识别策略深入理解用户的查询意图,结合大型语言模型对知识图谱的输出进行润色,保证回答内容更加容易理解。实验结果表明,在实体识别对比实验中模型的宏观平均F1值达到0.9602,在问答测试实验中,平均准确率达到0.9656,且生成的内容更加通俗易懂,可解释性强。 展开更多

关键词 混合动态掩码 多策略融合 知识图谱 医疗问答 大语言模型

下载PDF 职称材料

基于依存关系的医疗自然语言统计问答

13

作者 金季豪 黄越祈 +1 位作者 刘旭利 高大启 《计算机应用与软件》 北大核心 2023年第9期117-125,共9页

基于自然语言的统计查询省去了用户写查询语句的工作,在行业应用中有广泛的应用前景。由于自然语言问题提问方式灵活,电子病历所涉及到的查询语句结构较为复杂,现有的方法难以很好地解决上述问题,提出基于依存关系的自然语言医疗查询。... 基于自然语言的统计查询省去了用户写查询语句的工作,在行业应用中有广泛的应用前景。由于自然语言问题提问方式灵活,电子病历所涉及到的查询语句结构较为复杂,现有的方法难以很好地解决上述问题,提出基于依存关系的自然语言医疗查询。针对医疗电子病历数据,定义电子病历语义模型及对应的依存关系,将依存关系作为自然语言与语义模型的桥梁。通过基于Blending的融合模型对医疗统计问题进行依存关系解析,将解析结果映射成语义表达式,翻译成Cypher查询语句后,从Neo4j中查询得到结果。实验表明,该依存关系模型的UAS达到96.45%,LAS达到96.01%。系统查询的正确率达到81.61%。 展开更多

关键词 统计型问答 依存关系解析 医疗问答

下载PDF 职称材料

基于互动视角的在线医疗问答患者用户使用研究 被引量：19

14

作者 张李义 李慧然 《数据分析与知识发现》 CSSCI CSCD 北大核心 2018年第1期76-87,共12页

【目的】研究社会交互对在线医疗问答患者用户使用意愿的作用机理。【方法】以互动为研究视角,基于互动感知理论构建在线医疗问答患者用户使用研究理论模型,采用调研问卷的方式收集371份有效数据,使用Smart PLS 3.0工具对模型进行检验... 【目的】研究社会交互对在线医疗问答患者用户使用意愿的作用机理。【方法】以互动为研究视角,基于互动感知理论构建在线医疗问答患者用户使用研究理论模型,采用调研问卷的方式收集371份有效数据,使用Smart PLS 3.0工具对模型进行检验。【结果】本文验证了在线医疗问答情境下患者在贡献信息时感知的自我效能和利他愉悦,人机交互时的感知易用性和感知有用性,以及认知信任和情感信任对其使用意愿的正向影响,扩展了以往的研究情景。较以往研究更进一步的是本文发现患者用户在接收信息时感知的信息和情感支持对认知和情感信任具有不同影响,并在患–医和患–患交互中表现出差异。【局限】由于疾病类型和信息作用方式(直接或间接)差异而导致的结果差异尚待研究。【结论】在线医疗问答患者用户的人际互动和人机互动感知对其使用意愿均有正向影响。 展开更多

关键词 在线医疗问答 互动感知 使用意愿 信任

原文传递

一种基于对抗训练的医疗问答匹配方法 被引量：1

15

作者 付洁琼 孙亚伟 +1 位作者 刘建毅 李金斌 《北京邮电大学学报》 EI CAS CSCD 北大核心 2022年第4期37-43,共7页

相较于英文开放领域的问答匹配,中文专业医疗领域的问答匹配任务更具有挑战性。针对中文语义和医疗数据的复杂、多样,大多数研究人员都专注于设计繁杂的神经网络来探索更深层次的文本语义,工作思路较为单一,同时神经网络模型很容易因为... 相较于英文开放领域的问答匹配,中文专业医疗领域的问答匹配任务更具有挑战性。针对中文语义和医疗数据的复杂、多样,大多数研究人员都专注于设计繁杂的神经网络来探索更深层次的文本语义,工作思路较为单一,同时神经网络模型很容易因为微小扰动而误判,模型的泛化能力较差。为此,提出了一种基于对抗训练的问答匹配模型,利用双向预训练编码器来捕获问答句的语义信息,从而得到对应的向量表征;再通过在词嵌入表示上添加扰动因子生成对抗样本;最后将初始样本和对抗样本共同输入带有线性层的模型中进行分类预测。在cMedQA V2.0数据集上通过对比实验证明了对抗训练可以有效提升问答匹配模型的性能。 展开更多

关键词 医疗问答 对抗训练 自然语言处理

原文传递

智能医疗领域问答系统研究与实现 被引量：1

16

作者 奕利泰 董晨 +3 位作者 牛梓雨 刘思嘉 倪晓雅 罗绍恺 《信息记录材料》 2021年第5期232-234,共3页

本项目将深度学习等智能识别技术,应用在医疗问答系统中,解决传统医疗问答的信息冗余和问答效率低下的局限性。使用基于双向Transformer的联合学习模型执行知识抽取,基于Stack-propagation框架的意图识别及槽填充算法,对医疗输入问句进... 本项目将深度学习等智能识别技术,应用在医疗问答系统中,解决传统医疗问答的信息冗余和问答效率低下的局限性。使用基于双向Transformer的联合学习模型执行知识抽取,基于Stack-propagation框架的意图识别及槽填充算法,对医疗输入问句进行分词识别,利用Neo4j图数据库构建医疗知识图谱实现问答检索。经测试,系统能较准确地理解用户意图,问答准确率可达90%。 展开更多

关键词 医疗问答 深度学习 Stack-propagation

下载PDF 职称材料

基于LCN的医疗知识问答模型 被引量：9

17

作者 马满福 刘元喆 +4 位作者 李勇 王霞 贾海 史彦斌 张小康 《西南大学学报（自然科学版）》 CAS CSCD 北大核心 2020年第10期25-36,共12页

中文医疗领域分词比较困难,导致现有算法对于医疗问题特征提取不充分,针对中文分词的特点,提出基于LCN(Lattice CNN,格子卷积神经网络)的医疗知识问答模型.首先,利用某三甲医院提供的15000份电子住院记录,基于电子住院记录利用Glove模... 中文医疗领域分词比较困难,导致现有算法对于医疗问题特征提取不充分,针对中文分词的特点,提出基于LCN(Lattice CNN,格子卷积神经网络)的医疗知识问答模型.首先,利用某三甲医院提供的15000份电子住院记录,基于电子住院记录利用Glove模型训练医学词向量.其次,通过各大医疗网站获得大量医学名词及名词间的关系,构建医学知识图谱,并提取知识图谱中的关系词,结合已训练的词向量获取关系向量.最终,以医学词向量作为模型输入端并利用LCN神经网络提取医疗问题特征,计算问题特征与关系向量的相似度,进而训练医疗知识问答模型.实验表明,LCN模型准确率可达89.0%,与同类问答模型比较,提高了2%. 展开更多

关键词 医疗知识问答 Glove模型 LCN 知识图谱 电子病历

原文传递

基于大语言模型的体检总检结论自动生成研究

18

作者 郑路程 李旭涛 徐敏 《小型微型计算机系统》 CSCD 北大核心 2024年第11期2569-2575,共7页

本文研究了基于大语言模型自动生成体检总检结论的方法.与常规文本摘要生成任务不同,体检总检结论的生成特别关注体检异常检查结果,要求生成结论不仅准确,还需遵循医学领域的专业知识和标准.为此,本文基于经医疗知识问答数据微调的大型... 本文研究了基于大语言模型自动生成体检总检结论的方法.与常规文本摘要生成任务不同,体检总检结论的生成特别关注体检异常检查结果,要求生成结论不仅准确,还需遵循医学领域的专业知识和标准.为此,本文基于经医疗知识问答数据微调的大型预训练语言模型,提出了一个体检总检结论自动生成方法.该方法包括两个关键模块:1)异常信息抽取模块,利用少量标注数据增强模型在抽取科室小结中异常检查结果识别能力;2)结论项排序模块,使得生成内容符合体检总检结论的顺序规范.在真实体检数据集上的实验表明,这两个核心模块有效提升了总检结论生成质量.本文为医疗文档自动生成技术提供了新思路,展现了大语言模型在医疗人工智能应用中的前瞻性. 展开更多

关键词 体检科室小结 体检总检结论 大语言模型 异常文本抽取 结论项重排 医疗问答

下载PDF 职称材料

基于多模态知识感知注意力机制的问答方法 被引量：16

19

作者 张莹莹 钱胜胜 +1 位作者 方全 徐常胜 《计算机研究与发展》 EI CSCD 北大核心 2020年第5期1037-1045,共9页

随着网络的普及,越来越多人遇到身体不适时,会选择在网站上搜索相关症状.随着在线医疗问答网站的出现,如春雨医生、寻医问药等,患者可以便捷地医生交流.现有的问答系统方法,聚焦于词级别的交互与语义信息,却很少考虑在回答问题时,回答... 随着网络的普及,越来越多人遇到身体不适时,会选择在网站上搜索相关症状.随着在线医疗问答网站的出现,如春雨医生、寻医问药等,患者可以便捷地医生交流.现有的问答系统方法,聚焦于词级别的交互与语义信息,却很少考虑在回答问题时,回答者还利用了与问答本身无直接联系的常识.在实际生活中,除了病人的表述,医生还需要额外知识来诊断病人.提出了一个基于多模态知识感知注意力机制的医疗问答方法,它可以有效地利用多模态医疗知识图谱来构建基于知识图谱的问答对之间的交互.该模型首先学习知识图谱中实体的多模态表示;然后从多模态知识图谱中与问答对相关联的实体的路径来推测出回答该问题时的逻辑,并刻画问答对之间的交互关系.此外,该模型还提出了一种注意力机制来判别连接问答对的不同路径之间的重要性.构建了一个大规模的多模态医疗知识图谱和一个医疗问答数据集,实验结果表明:该方法比当前最好的方法准确度提升了2%以上. 展开更多

关键词 多模态知识图谱 医疗问答系统 注意力机制 信息检索 深度学习

下载PDF 职称材料

基于医疗知识图谱的智能问答系统研究 被引量：1

20

作者 陈明 刘蓉 熊回香 《情报科学》 CSSCI 北大核心 2023年第12期118-126,共9页

【目的/意义】研究融合知识图谱中医疗知识解析用户问句中的命名实体和关系,提升智能医疗问答系统对用户问句语义解析能力,为用户提供更有效的自助医疗问答服务。【方法/过程】首先采集医疗知识构建医疗知识图谱,再利用图谱中的知识强... 【目的/意义】研究融合知识图谱中医疗知识解析用户问句中的命名实体和关系,提升智能医疗问答系统对用户问句语义解析能力,为用户提供更有效的自助医疗问答服务。【方法/过程】首先采集医疗知识构建医疗知识图谱,再利用图谱中的知识强化基于多重注意力机制的命名实体识别模型以解析医疗问句中的实体,然后采用基于BERT-BiLSTM的关系抽取模型进行关系抽取,最后利用解析结果生成查询语句从知识图谱中获取问题的答案。【结果/结论】通过对比实验将本文设计的语义解析模型与智能问答中常用的其他模型在医疗问句数据集上进行比较,发现准确率、召回率和F1值均有所提升,验证了本文智能问答系统对用户问句理解更准确。【创新/局限】本文构建了医疗知识图谱,并将图谱知识与基于多重注意力机制的语义解析模型相结合构建了医疗智能问答系统,在问答任务中具有较好的表现,在复杂问句的解析上还有待进一步研究。 展开更多

关键词 知识图谱 语义解析 医疗智能问答 深度学习 自然语言处理

原文传递