问题何在？用于文本数据中问题识别的多通道深度卷积神经网络
计算与语言
2021-05-25 v1 机器学习
摘要
在大多数临床实践环境中，临床文书缺乏严格审查，导致患者病历中记录的信息不准确。临床数据捕获的黄金标准通过“专家审查”实现，即临床医生可与领域专家（审查员）对话并就数据录入规则向他们提问。自动识别这些对话中的“真实问题”可揭示特定临床环境中数据捕获的模糊之处或常见问题。在本研究中，我们提出了一种新颖的多通道深度卷积神经网络架构，即Quest-CNN，用于从非问句中分离出期望获得关于某问题的回答（信息或帮助）的真实问题，以及分离出指代邻近句子中提及的问题的问句（例如“你能澄清这个吗？”），我们称之为“c-questions”。我们对所提多通道深度卷积神经网络与其他深度神经网络进行了全面的性能比较分析。此外，我们评估了传统的基于规则和基于学习的方法在检测问句上的性能。所提Quest-CNN在透析护理环境的数据录入审查对话数据集以及通用领域数据集上均取得了最佳的F1分数。
引用
@article{arxiv.2010.07816,
title = {Where's the Question? A Multi-channel Deep Convolutional Neural Network for Question Identification in Textual Data},
author = {George Michalopoulos and Helen Chen and Alexander Wong},
journal= {arXiv preprint arXiv:2010.07816},
year = {2021}
}
备注
12 pages, 4 figures, to be published in The 3rd Clinical Natural Language Processing Workshop