CDialog：用于实体感知对话生成的多轮新冠肺炎对话数据集
计算与语言
2022-12-13 v1 人工智能
摘要
开发能够与患者交互并提供临床建议的对话代理引起了众多研究者的兴趣，尤其在新冠肺炎疫情背景下。然而，端到端基于神经网络的对话系统的训练受限于多轮医疗对话语料的缺乏。我们首次尝试发布一个名为CDialog的与新冠肺炎疾病相关的高质量多轮医疗对话数据集，包含从在线医疗咨询网站收集的超过1K段对话。我们将对话中的每条话语标注为七类不同的医疗实体，包括疾病、症状、医学检查、病史、 remedies、药物及其他方面作为附加标签。最后，我们基于CDialog数据集提出了一种新颖的神经医疗对话系统，以推进未来自动化医疗对话系统的研究。我们使用预训练语言模型进行对话生成，结合标注的医疗实体，以生成回应患者查询的虚拟医生回复。实验结果表明，当补充实体信息时，所提出的对话模型表现相对更好，从而能够改善回复质量。
引用
@article{arxiv.2212.06049,
title = {CDialog: A Multi-turn Covid-19 Conversation Dataset for Entity-Aware Dialog Generation},
author = {Deeksha Varshney and Aizan Zafar and Niranshu Kumar Behra and Asif Ekbal},
journal= {arXiv preprint arXiv:2212.06049},
year = {2022}
}