面向医疗领域的意图识别方法研究

针对意图标签数量过多带来的识别挑战,提出一种拆分策略,旨在降低训练的复杂度,并在解码层采用双头MLP(多层感知机)结合CRF(条件随机场)的机制,精准预测意图标签。实验结果表明,该方法的F_(1)值相较于基准模型提升至78%。此外,为验证大语言模型在意图识别任务上的表现,提出了一种面向医疗领域的大语言模型意图识别方法,其在处理多样化信息的数据时,能够深入探索并提炼出丰富的知识,将其与提出的深度学习方法进行对比,并深入分析二者在数据集上表现存在差异的原因,可为医疗领域意图识别的后续研究提供重要参考依据。