基于联合推理的疾病问答系统
计算与语言
2024-10-01 v2
摘要
医疗问答 (QA) 助手利用自然语言处理及相关技术，综合多方来源的信息来回应普通用户的健康相关查询。它们可作为重要工具，缓解错误信息、信息过载以及医学术语复杂性问题，从而满足普通用户的信息需求，同时减轻医疗专业人员的负担。作为此类助手引擎的问答系统，通常仅使用语言模型 (LM) 或知识图谱 (KG)，尽管这两种方法可以互补。基于 LM 的问答系统擅长理解复杂问题并提供格式良好的答案，但容易出现事实性错误。基于 KG 的问答系统虽能很好地表征事实，但大多局限于使用预创建模板回答简短答案问题。虽然有少数研究联合使用 LM 和 KG 方法进行基于文本的问答，但这仅用于回答多项选择题。现有的问答系统在自动化和性能方面也存在局限性。我们通过设计一种新颖的自动化疾病问答系统来应对这些挑战，该系统通过联合推理方法有效利用 LM 和 KG 技术，以回答适合普通用户的疾病相关问题。我们使用一系列质量指标对系统进行的评估表明，其效力优于基准系统，包括流行的 ChatGPT。
引用
@article{arxiv.2401.03181,
title = {A Joint-Reasoning based Disease Q&A System},
author = {Prakash Chandra Sukhwal and Vaibhav Rajan and Atreyi Kankanhalli},
journal= {arXiv preprint arXiv:2401.03181},
year = {2024}
}
备注
36 pages, 6 figures