面向医疗问答系统的大语言模型命名实体识别方法

摘要：

在医疗问答系统中,实体识别发挥了重大作用.随着深度学习的发展,基于深度学习的实体识别得到了越来越多的关注.但是,在医疗问答系统中,由于缺少带标注的训练数据,深度学习方法不能够很好地识别医疗文本中的非连续实体和嵌套实体.为此,提出了一种基于大语言模型的实体识别应用方法,并且将其应用到医疗问题系统中.首先将医疗问答相关的数据集进行处理,变成大语言模型能够分析和处理的文本;其次针对大语言模型的输出进行分类,并对不同的分类采取相应的处理;然后将输入的文本进行意图识别,最终将实体识别和意图识别的结果发送到医疗知识图谱中进行查询,得到医疗问答的答案.在3个典型的数据集上进行了实验,并与几种典型的相关方法进行了对比.结果显示所提出的方法表现效果更好.

关键词：大语言模型、实体识别、意图识别、医疗问答系统

所属期刊栏目：17

分类号：TP391(计算技术、计算机技术)

在线出版日期：2023-10-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共14页

页码：2389-2402