用于自动诊断的端到端知识路由关系对话系统
计算与语言
2019-03-19 v2
摘要
在备受关注的现有会话聊天机器人和任务导向对话系统之外，我们进一步开发一种用于自动医疗诊断的对话系统，其与患者交谈以收集超出自我陈述的额外症状并自动做出诊断。除会话对话系统的挑战（如话题转换连贯性与问题理解）外，自动医疗诊断对医疗知识与症状-疾病关系语境下的对话合理性提出了更关键的要求。现有对话系统（Madotto, Wu, and Fung 2018; Wei et al. 2018; Li et al. 2017）大多依赖数据驱动学习，无法编码额外的专家知识图谱。本工作中，我们提出一种端到端知识路由关系对话系统（KR-DS），将丰富的医疗知识图谱无缝融入对话管理中的话题转换，并使其与自然语言理解和自然语言生成协同。我们引入一种新颖的知识路由深度 Q 网络（KR-DQN）来管理话题转换，其集成了用于编码不同症状及症状-疾病对之间关系的关系精炼分支，以及用于话题决策的知识路由图分支。在公开医疗对话数据集上的大量实验表明，我们的 KR-DS 显著优于 SOTA 方法（诊断准确率提升超 8%）。我们进一步在 newly collected 的更具挑战性、保留原始自我陈述及医患会话数据的医疗对话系统数据集上展示了 KR-DS 的优越性。
引用
@article{arxiv.1901.10623,
title = {End-to-End Knowledge-Routed Relational Dialogue System for Automatic Diagnosis},
author = {Lin Xu and Qixian Zhou and Ke Gong and Xiaodan Liang and Jianheng Tang and Liang Lin},
journal= {arXiv preprint arXiv:1901.10623},
year = {2019}
}
备注
8 pages, 5 figues, AAAI