术语感知的医学对话生成
计算与语言
2023-03-16 v2
摘要
医学对话生成旨在根据医患之间多轮对话历史生成回复。与开放域对话生成不同，这需要医学领域特定的背景知识。现有的医学对话生成生成框架未能充分融入领域特定知识，尤其在医学术语方面。本文中，我们提出一种新颖框架，通过考虑以领域特定术语为中心的特征来改进医学对话生成。我们利用注意力机制融入以术语为中心的特征，并通过辅助术语识别任务强制语言模型学习术语表示，从而填补医学背景知识与普通话语之间的语义鸿沟。实验结果证明了我们方法的有效性，其中我们提出的框架优于 SOTA 语言模型。此外，我们提供了一个带医学术语标注的新数据集以支持医学对话生成研究。我们的数据集与代码见 https://github.com/tangg555/meddialog。
引用
@article{arxiv.2210.15551,
title = {Terminology-aware Medical Dialogue Generation},
author = {Chen Tang and Hongbo Zhang and Tyler Loakman and Chenghua Lin and Frank Guerin},
journal= {arXiv preprint arXiv:2210.15551},
year = {2023}
}
备注
Accepted by ICASSP 2023