MKA：面向医疗对话任务的生成式模型的可扩展医疗知识辅助机制
计算与语言
2023-12-06 v1 人工智能
摘要
利用自然语言处理（NLP）技术开发医疗聊天机器人，使患者的诊断更加便捷高效，这是医疗人工智能的一项典型应用。由于其重要性，已有大量相关研究问世。最近，神经生成式模型作为聊天机器人的核心展现出了令人印象深刻的能力，但由于缺乏特定的医疗知识，直接应用于医疗对话时无法很好地扩展。为了解决这一局限性，本文提出了一种可扩展的医疗知识辅助机制 MKA。该机制旨在辅助通用神经生成式模型在医疗对话任务上取得更好的性能。该机制内设计了特定领域的医疗知识图谱，包含 6 类医疗相关信息，包括科室、药物、检查、症状、疾病和食物。此外，定义了特定的 token 拼接策略，以将医疗信息有效注入输入数据中。我们在两个典型的医疗数据集 MedDG 和 MedDialog-CN 上对该方法进行了评估。评估结果表明，结合该机制的模型在多项自动评估指标上优于原始方法。此外，MKA-Bert-GPT 实现了 SOTA 性能。开源代码公开于：https://github.com/LIANGKE23/Knowledge_Assisted_Medical_Dialogue_Generation_Mechanism
引用
@article{arxiv.2312.02496,
title = {MKA: A Scalable Medical Knowledge Assisted Mechanism for Generative Models on Medical Conversation Tasks},
author = {Ke Liang and Sifan Wu and Jiayi Gu},
journal= {arXiv preprint arXiv:2312.02496},
year = {2023}
}