医疗对话信息自动提取：用于标注的专家系统与注意力机制
计算与语言
2023-03-14 v2
摘要
医疗对话信息提取正成为现代医疗中一个日益重要的问题。由于电子病历（electronic medical records, EMRs）数量庞大，从中提取关键信息十分困难。此前，研究者提出了基于注意力机制的模型来从 EMR 中检索特征，但其局限性体现在无法识别医疗对话中的不同类别。本文提出了一种新颖的模型——用于标注的专家系统与注意力机制（Expert System and Attention for Labelling, ESAL）。我们使用混合专家模型和预训练的 BERT 来检索不同类别的语义，使模型能够融合它们之间的差异。在我们的实验中，ESAL 被应用于一个公开数据集，实验结果表明 ESAL 显著提升了医疗信息分类的性能。
引用
@article{arxiv.2211.15544,
title = {Automatically Extracting Information in Medical Dialogue: Expert System And Attention for Labelling},
author = {Xinshi Wang and Daniel Tang},
journal= {arXiv preprint arXiv:2211.15544},
year = {2023}
}