基于提示学习与 BERT 融合的知识增强疾病诊断方法

Zhang Zheng

基于提示学习与 BERT 融合的知识增强疾病诊断方法

计算与语言 2024-09-17 v1 人工智能

作者: Zhang Zheng

摘要

本文提出了一种基于提示学习框架的知识增强疾病诊断方法。该方法从与临床病例相关的外部知识图谱中检索结构化知识，对其进行编码，并注入到提示模板中，以增强语言模型对该任务的理解和推理能力。我们在三个公开数据集 CHIP-CTC、IMCS-V2-NER 和 KUAKE-QTR 上进行了实验。结果表明，所提方法在多个评估指标上均显著优于现有模型，在 CHIP-CTC 数据集上 F1 分数提升了 2.4%，在 IMCS-V2-NER 数据集上提升了 3.1%，在 KUAKE-QTR 数据集上提升了 4.2%。此外，消融实验证实了知识注入模块的关键作用，移除该模块会导致 F1 分数显著下降。实验结果表明，所提方法不仅有效提高了疾病诊断的准确率，还增强了预测的可解释性，为临床诊断提供了更可靠的支持和证据。

关键词

疾病诊断提示学习 BERT 知识图谱知识注入自然语言推理

引用

@article{arxiv.2409.10403,
  title  = {A Knowledge-Enhanced Disease Diagnosis Method Based on Prompt Learning and BERT Integration},
  author = {Zhang Zheng},
  journal= {arXiv preprint arXiv:2409.10403},
  year   = {2024}
}

备注

Knowledge Enhancement,Disease Diagnosis,Prompt Learning,BERT,Knowledge Graph

基于提示学习与 BERT 融合的知识增强疾病诊断方法

摘要

关键词

引用

备注

相关论文