基于双流建模的医疗对话生成
计算与语言
2023-05-30 v1 人工智能
摘要
医疗对话系统(MDS)旨在为患者提供诊断与处方等医疗服务。由于多数患者无法精确描述症状，对话理解对MDS而言具有挑战性。以往研究主要通过抽取所提及的医疗实体作为关键对话历史信息来解决该问题。本工作中，我们认为捕获每轮中医疗实体的转移及医生的对话行为同样关键，因其有助于理解对话如何流转，并增强对下一轮将采用的实体与对话行为的预测。相应地，我们提出一种双流增强医疗(DFMed)对话生成框架。它抽取对话历史中使用的医疗实体与对话行为，并分别通过以实体为中心的图流与序列行为流对其转移建模。我们采用两个序列模型对其编码，并设计交织组件以增强其交互。在两个数据集上的实验表明，我们的方法在自动与人工评估中均超越基线。
引用
@article{arxiv.2305.18109,
title = {Medical Dialogue Generation via Dual Flow Modeling},
author = {Kaishuai Xu and Wenjun Hou and Yi Cheng and Jian Wang and Wenjie Li},
journal= {arXiv preprint arXiv:2305.18109},
year = {2023}
}
备注
Accepted as Findings of ACL 2023