面向医患 AI 问诊单次分类的嵌入评估
计算与语言
2024-02-08 v1
摘要
医疗保健提供者与患者之间的有效沟通对于提供高质量的患者护理至关重要。在本研究中，我们研究了如何使用最先进的嵌入和单次分类系统对医疗咨询中医生撰写和 AI 生成的文本进行分类。通过分析词袋、字符 n-gram、Word2Vec、GloVe、fastText 和 GPT2 嵌入等嵌入方法，我们考察了单次分类系统在医疗咨询中捕获语义信息的程度。结果表明，这些嵌入能够以可靠且适应性强的方式从文本中捕获语义特征。总体而言，Word2Vec、GloVe 和字符 n-gram 嵌入表现良好，表明它们适用于针对该任务建模。GPT2 嵌入也表现出显著的性能，表明它同样适用于针对该任务定制的模型。在训练数据稀缺时，我们的机器学习架构显著提高了健康对话的质量，改善了患者与医疗保健提供者之间的沟通。
引用
@article{arxiv.2402.04442,
title = {Evaluating Embeddings for One-Shot Classification of Doctor-AI Consultations},
author = {Olumide Ebenezer Ojo and Olaronke Oluwayemisi Adebanji and Alexander Gelbukh and Hiram Calvo and Anna Feldman},
journal= {arXiv preprint arXiv:2402.04442},
year = {2024}
}