基于知识图谱记忆网络的 grounded 对话症状检测

在这项工作中，我们提出了一个新的面向目标的对话任务：自动症状检测。我们构建了一个可以通过对话与病人交互以自动检测和收集临床症状的系统，这可以节省医生问诊病人的时间。给定病人提供的一组显式症状以启动诊断对话，系统被训练通过提问收集隐式症状，以收集更多信息用于准确诊断。在得到病人对每个问题的回复后，系统还决定是否当前信息足以让人类医生做出诊断。为实现这一目标，我们提出了两个神经模型和一个用于多步推理任务的训练流程。我们还构建了一个知识图谱作为额外输入以进一步提升模型性能。实验表明，我们的模型以 4% 显著优于基线，在有限数量的问题下平均发现 67% 的隐式症状。