基于交互式句子表示学习的中文医疗问答匹配
计算与语言
2020-11-30 v1
摘要
中文医疗问答匹配比英文开放域问答匹配更具挑战性。尽管深度学习方法在提升问答匹配性能上表现良好，这些方法仅关注句子内部语义信息，而忽略问题与答案间的语义关联，从而导致性能不足。本文中，我们设计了一系列交互式句子表示学习模型以解决此问题。为更好适应中文医疗问答匹配并发挥不同神经网络结构优势，我们提出交叉BERT网络以提取句子内部深层语义信息及问答间语义关联，再结合多尺度CNNs网络或BiGRU网络，利用不同神经网络结构优势将更多语义特征学入句子表示。在cMedQA V2.0与cMedQA V1.0数据集上的实验表明，我们的模型显著优于所有现有的中文医疗问答匹配最先进模型。
引用
@article{arxiv.2011.13573,
title = {Chinese Medical Question Answer Matching Based on Interactive Sentence Representation Learning},
author = {Xiongtao Cui and Jungang Han},
journal= {arXiv preprint arXiv:2011.13573},
year = {2020}
}