语义及句法特征多注意力交互的医疗自动问答

摘要：

针对中文医疗自动问答任务,为了捕捉问答句中重要的句法信息和语义信息,提出引入图卷积神经网络捕捉句法信息,并添加多注意力池化模块实现问答句的语序特征和句法特征联合学习的方法.在B E RT模型学习问答句的高阶语义特征基础上,利用双向门控循环单元描述句子的全局语义特征,以及引入图卷积神经网络编码句子的语法结构信息,以与双向门控循环单元所获取的序列特征呈现互补关系;通过多注意力池化模块对问答对的不同语义空间上的编码向量进行两两交互,并着重突出问答对的共现特征;通过衡量问答对的匹配分数,找出最佳答案.实验结果表明,在cMedQA v1.0和cMedQA v2.0数据集上,相比于主流的深度学习方法,所提方法的ACC@1有所提高.实验证明引入图卷积神经网络和多注意力池化模块的集成算法能有效提升自动问答模型的性能.

关键词：自动问答、双向门循环单元、图卷积神经网络、句法信息、多注意力池化

所属期刊栏目：58

分类号：TP391(计算技术、计算机技术)

资助基金：京津冀协同创新项目17YEXTZC00020

在线出版日期：2022-09-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：233-240