基于大规模阅读理解的临床医学考试问答
计算与语言
2018-03-01 v1
摘要
文本的阅读与理解是临床医学中计算机辅助诊断的一个重要组成部分,也是 NLP 领域的一个主要研究问题。在这项工作中,我们引入了一个称为 MedQA 的问答任务,以研究利用大规模文档集合中的知识来回答临床医学中的问题。MedQA 的目标是通过大规模阅读理解来回答真实世界的问题。我们提出了我们的解决方案 SeaReader——一个基于 LSTM 网络和双路径注意力架构的模块化端到端阅读理解模型。新颖的双路径注意力从两个视角对信息流建模,并能够同时阅读单个文档以及跨多个文档整合信息。在实验中,我们的 SeaReader 在 MedQA 上相比竞争模型取得了准确率的显著提升。此外,我们开发了一系列新技术来展示 SeaReader 中问答过程的可解释性。
引用
@article{arxiv.1802.10279,
title = {Medical Exam Question Answering with Large-scale Reading Comprehension},
author = {Xiao Zhang and Ji Wu and Zhiyang He and Xien Liu and Ying Su},
journal= {arXiv preprint arXiv:1802.10279},
year = {2018}
}