10.13718/j.cnki.xdzk.2020.10.004
基于LCN的医疗知识问答模型
中文医疗领域分词比较困难,导致现有算法对于医疗问题特征提取不充分,针对中文分词的特点,提出基于LCN(Lattice CNN,格子卷积神经网络)的医疗知识问答模型.首先,利用某三甲医院提供的15 000份电子住院记录,基于电子住院记录利用Glove模型训练医学词向量.其次,通过各大医疗网站获得大量医学名词及名词间的关系,构建医学知识图谱,并提取知识图谱中的关系词,结合已训练的词向量获取关系向量.最终,以医学词向量作为模型输入端并利用LCN神经网络提取医疗问题特征,计算问题特征与关系向量的相似度,进而训练医疗知识问答模型.实验表明,LCN模型准确率可达89.0%,与同类问答模型比较,提高了2%.
医疗知识问答、Glove模型、LCN、知识图谱、电子病历
42
TP391(计算技术、计算机技术)
国家自然科学基金项目;甘肃省中医药管理局科研课题;全国高等院校计算机基础教育教学研究项目;甘肃省教育科学规划课题研究项目;西北师范大学青年教师科研能力提升计划项目
2020-11-27(万方平台首次上网日期,不代表论文的发表时间)
共12页
25-36