面向症状监测护士-患者对话的快速对话理解系统原型构建
计算与语言
2019-04-08 v2
摘要
用于研发的人-人口语对话数据目前在数量、多样性和来源上都非常有限；在医疗健康领域这类数据更为稀缺。本工作中，我们研究如何利用极少量的护士-患者对话快速构建对话理解系统原型。我们提出一个受护士发起的临床症状监测对话启发的框架，用于构建模拟人-人对话数据集，其中体现了口语交互的语言特征，如出声思考、自相矛盾和话题漂移。随后我们在此模拟数据集上采用成熟的双向注意力指针网络，在真实世界护士-患者对话的留出测试集上取得了超过80%的F1分数。仅利用有限数据便能自动理解医疗领域对话，对于通过红旗症状检测和分诊能力改善临床工作流具有意义。我们展示了在多轮人-人口语对话中高效且有效地抽取、检索和理解症状核查信息的可行性。
引用
@article{arxiv.1903.03530,
title = {Fast Prototyping a Dialogue Comprehension System for Nurse-Patient Conversations on Symptom Monitoring},
author = {Zhengyuan Liu and Hazel Lim and Nur Farah Ain Binte Suhaimi and Shao Chuen Tong and Sharon Ong and Angela Ng and Sheldon Lee and Michael R. Macdonald and Savitha Ramasamy and Pavitra Krishnaswamy and Wai Leng Chow and Nancy F. Chen},
journal= {arXiv preprint arXiv:1903.03530},
year = {2019}
}
备注
8 pages. To appear in NAACL 2019