模式识别与人工智能
2025年4月3日 星期四   首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English
模式识别与人工智能  2021, Vol. 34 Issue (8): 733-741    DOI: 10.16451/j.cnki.issn1003-6059.202108006
研究与应用 最新目录| 下期目录| 过刊浏览| 高级检索 |
基于知识图谱与关键词注意机制的中文医疗问答匹配方法
乔凯1, 陈可佳1,2, 陈景强1,2
1.南京邮电大学 计算机学院 南京 210023
2.南京邮电大学 江苏省大数据安全与智能处理重点实验室 南京 210023
Chinese Medical Question Answering Matching Method Based on Knowledge Graph and Keyword Attention Mechanism
QIAO Kai1, CHEN Kejia1,2, Chen Jingqiang1,2
1. School of Computer Science, Nanjing University of Posts and Telecommunications, Nanjing 210023
2. Jiangsu Key Laboratory for Big Data Security and Intelligent Processing, Nanjing University of Posts and Telecommunications, Nanjing 210023

全文: PDF (705 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 针对当前中文医疗领域高质量问答数据缺乏的问题,提出基于知识图谱与关键词注意机制的中文医疗问答匹配方法.首先,引入医学知识图谱,得到知识增强的句子特征.然后,加入关键词注意力机制,强调问题和答案句子之间的相互影响.在2个公开的中文医疗问答数据集cMedQA与webMedQA上的实验表明,当样本数据量较小时,文中方法的优势明显.消融实验也验证每个新增模块对文中方法的性能均有一定程度的提升.
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
乔凯
陈可佳
陈景强
关键词 自然语言处理问答对匹配知识图谱注意力机制    
Abstract:Due to the lack of high-quality question and answer data in Chinese medical field, a Chinese medical question answering matching method combining knowledge graph and keyword attention mechanism is proposed. Firstly, the medical knowledge graph is introduced into the bidirectional encoder representation from transformers(BERT) model to obtain knowledge-enhanced sentence features, and a keyword attention mechanism is employed to emphasize the interaction between question and answer sentences. The experimental results on two open Chinese medical question-answer datasets, cMedQA and webMedQA , show that the proposed model is obviously better , especially for the small amount of samples. The ablation experiment also verifies that each of the new modules improve the performance of BERT to a certain extent.
Key wordsNatural Language Processing    Question-and-Answer Pair Matching    Knowledge Graph    Attention Mechanism   
收稿日期: 2021-04-28     
ZTFLH: TP 183  
基金资助:国家自然科学基金项目(No.61772284,61806101)资助
通讯作者: 陈可佳,博士,教授,主要研究方向为数据挖掘和机器学习及其在复杂网络分析中的应用.E-mail:chenkj@njupt.edu.cn.   
作者简介: 乔 凯,硕士研究生,主要研究方向为知识图谱、自然语言处理、数据挖掘.E-mail:997843576@qq.com.陈景强,博士,副教授,主要研究方向为摘要、语义链接网络、自然语言处理.E-mail:cjq@njupt.edu.cn.
引用本文:   
乔凯, 陈可佳, 陈景强. 基于知识图谱与关键词注意机制的中文医疗问答匹配方法[J]. 模式识别与人工智能, 2021, 34(8): 733-741. QIAO Kai, CHEN Kejia, Chen Jingqiang. Chinese Medical Question Answering Matching Method Based on Knowledge Graph and Keyword Attention Mechanism. , 2021, 34(8): 733-741.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/10.16451/j.cnki.issn1003-6059.202108006      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2021/V34/I8/733
版权所有 © 《模式识别与人工智能》编辑部
地址:安微省合肥市蜀山湖路350号 电话:0551-65591176 传真:0551-65591176 Email:bjb@iim.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn