典型文献
基于记忆网络的知识感知医疗对话生成
文献摘要：
为了解决就医过程中医疗资源短缺和患者时间不充裕、行程不便的问题,提出了结合外部知识的基于记忆网络的知识感知医疗 对话生成模型(memory networks based knowledge-aware medical dialogue generation model,MKMed).该模型首先通过利用精确字匹配的方法在对话历史中进行实体追踪;随后在外部实体知识数据库里设计2阶段的实体预测,筛选出可能出现在回复中的医疗实体及对应知识,其中2阶段实体预测分别利用计算共现矩阵和余弦相似度的方法;模型接着用记忆网络来存储知识和对话历史的信息;最后整合记忆网络存储的信息,并使用注意力机制以及循环神经网络生成回复.在带有外部知识的大规模医疗对话数据集KaMed上进行了相关实验,该数据集为收集自在线平台的真实数据.实验结果表明提出的模型生成的回复在流畅性、多样性、正确性和专业性等方面均显著优于大部分基准模型.证明了合理引入外部知识的医疗对话模型能产生成更有医疗价值的回复.
文献关键词：
医疗对话;知识感知;记忆网络;循环神经网络;注意力机制
中图分类号：
作者姓名：
张晓宇;李冬冬;任鹏杰;陈竹敏;马军;任昭春
作者机构：
山东大学计算机科学与技术学院,山东青岛 266237
文献出处：
引用格式：
[1]张晓宇;李冬冬;任鹏杰;陈竹敏;马军;任昭春-.基于记忆网络的知识感知医疗对话生成)[J].计算机研究与发展,2022(12):2889-2900
A类：
医疗对话,MKMed,KaMed
B类：
记忆网络,知识感知,对话生成,就医,医疗资源,充裕,外部知识,生成模型,memory,networks,knowledge,aware,medical,dialogue,generation,model,体知,知识数据库,库里,回复,共现矩阵,矩阵和,余弦相似度,网络存储,注意力机制,循环神经网络,集为,自在,在线平台,真实数据,模型生成,流畅性,对话模型
AB值：
0.367382
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
