医学知识增强的文本蕴含框架
计算与语言
2020-11-11 v1
摘要
实现鲁棒医学问答系统的核心任务之一是文本蕴含。现有方法利用预训练语言模型集成或数据增强,往往仅为在验证指标上刷出更高数值。然而,两大缺陷阻碍了对蕴含识别的更高成功率:(1)理解问题的焦点/意图;(2)利用真实世界背景知识捕捉句外上下文的能力。本文提出一种新颖的医学知识增强文本蕴含框架,借助相关领域特定知识图,使模型获得输入医学文本的语义与全局表示。我们在基准 MEDIQA-RQE 数据集上评估框架,表明知识增强双编码机制相较 SOTA 语言模型取得 8.27% 的绝对提升。我们已在此处公开源代码。
引用
@article{arxiv.2011.05257,
title = {Medical Knowledge-enriched Textual Entailment Framework},
author = {Shweta Yadav and Vishal Pallagani and Amit Sheth},
journal= {arXiv preprint arXiv:2011.05257},
year = {2020}
}