针对电子病历构建过程中难以捕捉信息抽取任务之间的关联性和医患对话上下文信息的问题,提出了一种基于Transformer交互指导的联合信息抽取方法,称为CT-JIE(collaborative Transformer for joint information extraction)。首先,该方法...针对电子病历构建过程中难以捕捉信息抽取任务之间的关联性和医患对话上下文信息的问题,提出了一种基于Transformer交互指导的联合信息抽取方法,称为CT-JIE(collaborative Transformer for joint information extraction)。首先,该方法使用滑动窗口并结合Bi-LSTM获取对话中的历史信息,利用标签感知模块捕捉对话语境中与任务标签相关的信息;其次,通过全局注意力模块提高了模型对于症状实体及其状态的上下文感知能力;最后,通过交互指导模块显式地建模了意图识别、槽位填充与状态识别三个任务之间的交互关系,以捕捉多任务之间的复杂语境和关系。实验表明,该方法在IMCS21和CMDD两个数据集上的性能均优于其他基线模型和消融模型,在处理联合信息抽取任务时具有较强的泛化能力和性能优势。展开更多
针对医学汉语水平考试(Medical Chinese Test,简称MCT)题库建设成本高昂及资料匮乏等问题,本文提出MCT对话流完形填空智能出题系统研发思路,旨在通过智能化方法实现对话流的高效生成和完形填空题的挖空出题。该系统主要包括对话流智能...针对医学汉语水平考试(Medical Chinese Test,简称MCT)题库建设成本高昂及资料匮乏等问题,本文提出MCT对话流完形填空智能出题系统研发思路,旨在通过智能化方法实现对话流的高效生成和完形填空题的挖空出题。该系统主要包括对话流智能生成和完形填空智能出题两部分。在对话流智能生成部分,该系统先依据电子病历构建知识图谱,再采用图神经网络实现基于知识图谱的问题与问题链的生成,从而获得对话流数据;在完形填空智能出题部分,该系统首先基于多维复杂医学约束知识对对话流文本进行篇章语义解析,筛选出符合要求的对话流作为出题语料,然后进行对话流文本的知识标注,最后完成挖空并生成干扰项。结果表明,该系统能够有效地生成大量MCT对话流完形填空题目,经人工检测与评估,所生成的题目质量较高。展开更多
文摘针对电子病历构建过程中难以捕捉信息抽取任务之间的关联性和医患对话上下文信息的问题,提出了一种基于Transformer交互指导的联合信息抽取方法,称为CT-JIE(collaborative Transformer for joint information extraction)。首先,该方法使用滑动窗口并结合Bi-LSTM获取对话中的历史信息,利用标签感知模块捕捉对话语境中与任务标签相关的信息;其次,通过全局注意力模块提高了模型对于症状实体及其状态的上下文感知能力;最后,通过交互指导模块显式地建模了意图识别、槽位填充与状态识别三个任务之间的交互关系,以捕捉多任务之间的复杂语境和关系。实验表明,该方法在IMCS21和CMDD两个数据集上的性能均优于其他基线模型和消融模型,在处理联合信息抽取任务时具有较强的泛化能力和性能优势。
文摘针对医学汉语水平考试(Medical Chinese Test,简称MCT)题库建设成本高昂及资料匮乏等问题,本文提出MCT对话流完形填空智能出题系统研发思路,旨在通过智能化方法实现对话流的高效生成和完形填空题的挖空出题。该系统主要包括对话流智能生成和完形填空智能出题两部分。在对话流智能生成部分,该系统先依据电子病历构建知识图谱,再采用图神经网络实现基于知识图谱的问题与问题链的生成,从而获得对话流数据;在完形填空智能出题部分,该系统首先基于多维复杂医学约束知识对对话流文本进行篇章语义解析,筛选出符合要求的对话流作为出题语料,然后进行对话流文本的知识标注,最后完成挖空并生成干扰项。结果表明,该系统能够有效地生成大量MCT对话流完形填空题目,经人工检测与评估,所生成的题目质量较高。
