智能问诊中基于深度神经网络的反问生成方法

在智能问诊中,为了让医生快速提出合理的反问以提高医患对话效率,提出了基于深度神经网络的反问生成方法。首先获取大量医患对话文本并进行标注;然后使用文本循环神经网络(TextRNN)、文本卷积神经网络(TextCNN)二种分类模型分别对医生的陈述进行分类;再利用双向文本循环神经网络(TextRNN-B)、双向变形编码器(BERT)分类模型进行问题触发;设计六种不同的问答选取方式来模拟医疗咨询领域情景,采用开源神经机器翻译(OpenNMT)模型进行反问生成;最后对已生成的反问进行综合评估。实验结果表明,使用TextRNN进行分类优于TextCNN,利用BERT模型进行问题触发优于TextRNN-B,采用OpenNMT模型在Window-top方式下实现反问生成时,使用双语评估替补(BLEU)和困惑度(PPL)指标进行评价的结果最好。所提方法验证了深度神经网络技术在反问生成中的有效性,可以有效解决智能问诊中医生反问生成的问题。

从反问句生成机制看“不是”的性质和语义

依据语用学理论构建反问句生成模式,证明该反问句基本语用含义是某行为不合情理,提醒意的有无与强弱依赖语境条件。"不是"并非反问语气副词,而是引述性否定标记,否定一个论断。与"不""没(有)"否定真值条件不同,"不是"还经常用来否定适宜条件。所谓并列或选择连词"不是",实际都是副词与动词的组合,表否定判断。

从反问句生成机制看反问句否定语义的来源

中外学者都将反问句的语义概括为"否定+命题",但对否定语义来源的解释却没有达成共识。根据会话含义理论、言语行为和间接言语行为理论构建反问句生成机制,反问句否定语义来自语境条件,即说话人预先设定的限定反问句只能朝说话人所期待的方向理解的各种语境因素,说到底,是来自说话人主观上的否定态度,而不是来自反问语气或预设。