一种基于加权异质图的对话系统
计算与语言
2020-12-29 v2 人工智能
摘要
基于知识的对话系统在多种应用中引起了日益增长的研究兴趣。然而，在疾病诊断中，广泛使用的知识图难以表示症状-症状关系和症状-疾病关系，因为传统知识图的边是无权的。大多数关于疾病诊断对话系统的研究高度依赖数据驱动方法和统计特征，缺乏对症状-疾病关系和症状-症状关系的深入理解。为解决此问题，本文提出一种用于疾病诊断的基于加权异质图的对话系统。具体而言，我们基于症状共现和所提出的症状频率-逆疾病频率构建加权异质图。然后本文提出一种基于图的深度 Q 网络（Graph-DQN）用于对话管理。通过将图卷积网络（GCN）与 DQN 结合，从加权异质图中的结构和属性信息学习疾病与症状的嵌入，Graph-DQN 能更好地捕捉症状-疾病关系和症状-症状关系。实验结果表明，所提对话系统可与最先进（SOTA）模型媲美。更重要的是，所提对话系统能用更少的对话轮次完成任务，并对具有相似症状的疾病具备更好的区分能力。
引用
@article{arxiv.2010.10699,
title = {A Weighted Heterogeneous Graph Based Dialogue System},
author = {Xinyan Zhao and Liangwei Chen and Huanhuan Chen},
journal= {arXiv preprint arXiv:2010.10699},
year = {2020}
}