面向医学问题相似度的领域相关嵌入
机器学习
2019-11-18 v2 计算与语言
机器学习
摘要
在线提出的医学问题速率远超合格人员回答的能力，且其中许多问题并非唯一。识别相同问题对可使问题得到更有效的回答。虽然许多研究工作聚焦于非医学应用的一般问题相似度问题，这些方法不能很好地推广到医学领域，在医学领域中往往需要医学专业知识来判断语义相似度。在本文中，我们展示了在医学问答对上预训练神经网络的半监督方法，是确定医学问题相似度这一最终目标特别有用的中间任务。虽然其他预训练任务在该任务上准确率低于 78.7%，我们的模型在相同训练样本数下达到 82.6% 的准确率，且在小得多的训练集下达到 80.0% 的准确率。
引用
@article{arxiv.1910.04192,
title = {Domain-Relevant Embeddings for Medical Question Similarity},
author = {Clara McCreery and Namit Katariya and Anitha Kannan and Manish Chablani and Xavier Amatriain},
journal= {arXiv preprint arXiv:1910.04192},
year = {2019}
}
备注
Machine Learning for Health (ML4H) at NeurIPS 2019 - Extended Abstract