检索结果-维普期刊中文期刊服务平台

融合知识图谱和语义匹配的医疗问答系统被引量：5: 1; 作者徐若卿《现代电子技术》北大核心 2024年第8期49-54,共6页; 问答系统是自然语言处理领域中的一项重要任务,常应用于医疗服务。传统的问答系统通过知识图谱的实体关系匹配返回相应的尾实体作为答案,然而,倘若实体或关系无法识别,又或者在知识图谱中并不存在相应的实体关系,问答将无法继续进行。... 展开更多; 关键词医疗问答系统知识图谱语义匹配问答对数据集相似问题对双曲距离度量; 在线阅读下载PDF 职称材料

面向医疗问答系统的大语言模型命名实体识别方法被引量：30: 2; 作者杨波孙晓虎 +2 位作者党佳怡赵海燕金芝《计算机科学与探索》 CSCD 北大核心 2023年第10期2389-2402,共14页; 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... 展开更多; 关键词大语言模型实体识别意图识别医疗问答系统; 在线阅读下载PDF 职称材料

基于多模态知识感知注意力机制的问答方法被引量：21: 3; 作者张莹莹钱胜胜 +1 位作者方全徐常胜《计算机研究与发展》 EI CSCD 北大核心 2020年第5期1037-1045,共9页; 随着网络的普及,越来越多人遇到身体不适时,会选择在网站上搜索相关症状.随着在线医疗问答网站的出现,如春雨医生、寻医问药等,患者可以便捷地医生交流.现有的问答系统方法,聚焦于词级别的交互与语义信息,却很少考虑在回答问题时,回答... 展开更多; 关键词多模态知识图谱医疗问答系统注意力机制信息检索深度学习; 在线阅读下载PDF 职称材料

健康问题和医生匹配机制的研究被引量：3: 4; 作者朱利岳爱珍《西安交通大学学报》 EI CAS CSCD 北大核心 2014年第12期57-62,139,共7页; 针对医疗社区问答系统中的健康问题,提出了一种新的问题回答者推荐机制,以提高问题解决的效率。该机制引入了医生回答问题的态度,将问题-医生的专业匹配程度和医生回答问题的态度关联起来一同考虑;使用概率超图和查询似然语言模型对问题... 展开更多; 关键词医疗社区问答系统问题推荐概率超图态度建模; 在线阅读下载PDF 职称材料

题名融合知识图谱和语义匹配的医疗问答系统被引量：5: 1; 作者徐若卿; 机构三峡大学计算机与信息学院; 出处《现代电子技术》北大核心 2024年第8期49-54,共6页; 文摘问答系统是自然语言处理领域中的一项重要任务,常应用于医疗服务。传统的问答系统通过知识图谱的实体关系匹配返回相应的尾实体作为答案,然而,倘若实体或关系无法识别,又或者在知识图谱中并不存在相应的实体关系,问答将无法继续进行。为了解决这一问题,建立一种融合知识图谱和语义匹配模型的中文医疗问答混合系统。当所提问题无法在知识图谱中进行实体关系匹配时,该模型能继续从问答对数据集中找到最相似的问题,并返回相应结果作为答案。在语义匹配模型方面,结合中文医疗相似问题对,在Sentence-BERT模型上进行微调训练,并引入双曲空间中的距离度量函数对句子对进行相似度度量。结果表明:在整体性能方面,所提模型相较于BERT这类大语言模型精度能提升7.16%;在度量能力方面,双曲度量相较于通用欧氏空间度量,如余弦度量,最高能有2.28%的精度提升和1.58%的F_1值提升。; 关键词医疗问答系统知识图谱语义匹配问答对数据集相似问题对双曲距离度量; Keywords question answering system knowledge graph semantic matching question answering on dataset similar problem pairs hyperbolic distance metric; 分类号 TN919.5-34 [电子电信—通信与信息系统]; 在线阅读下载PDF 职称材料

题名面向医疗问答系统的大语言模型命名实体识别方法被引量：30: 2; 作者杨波孙晓虎党佳怡赵海燕金芝; 机构北京林业大学信息学院国家林业和草原局林业智能信息处理工程技术研究中心北京大学计算机学院高可信软件技术教育部重点实验室(北京大学); 出处《计算机科学与探索》 CSCD 北大核心 2023年第10期2389-2402,共14页; 基金国家重点研发计划(2020AAA0109400)。; 文摘在医疗问答系统中,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; Keywords large language models entity recognition intent recognition medical question and answer system; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于多模态知识感知注意力机制的问答方法被引量：21: 3; 作者张莹莹钱胜胜方全徐常胜; 机构中国科学院大学模式识别国家重点实验室(中国科学院自动化研究所); 出处《计算机研究与发展》 EI CSCD 北大核心 2020年第5期1037-1045,共9页; 基金国家自然科学基金项目(Y8F7011M61)。; 文摘随着网络的普及,越来越多人遇到身体不适时,会选择在网站上搜索相关症状.随着在线医疗问答网站的出现,如春雨医生、寻医问药等,患者可以便捷地医生交流.现有的问答系统方法,聚焦于词级别的交互与语义信息,却很少考虑在回答问题时,回答者还利用了与问答本身无直接联系的常识.在实际生活中,除了病人的表述,医生还需要额外知识来诊断病人.提出了一个基于多模态知识感知注意力机制的医疗问答方法,它可以有效地利用多模态医疗知识图谱来构建基于知识图谱的问答对之间的交互.该模型首先学习知识图谱中实体的多模态表示;然后从多模态知识图谱中与问答对相关联的实体的路径来推测出回答该问题时的逻辑,并刻画问答对之间的交互关系.此外,该模型还提出了一种注意力机制来判别连接问答对的不同路径之间的重要性.构建了一个大规模的多模态医疗知识图谱和一个医疗问答数据集,实验结果表明:该方法比当前最好的方法准确度提升了2%以上.; 关键词多模态知识图谱医疗问答系统注意力机制信息检索深度学习; Keywords multi-modal knowledge graph medical question answering system attention information retrieval deep learning; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名健康问题和医生匹配机制的研究被引量：3: 4; 作者朱利岳爱珍; 机构西安交通大学软件学院; 出处《西安交通大学学报》 EI CAS CSCD 北大核心 2014年第12期57-62,139,共7页; 基金国家重点基础研究发展规划资助项目(2012CB327902HZ); 文摘针对医疗社区问答系统中的健康问题,提出了一种新的问题回答者推荐机制,以提高问题解决的效率。该机制引入了医生回答问题的态度,将问题-医生的专业匹配程度和医生回答问题的态度关联起来一同考虑;使用概率超图和查询似然语言模型对问题-医生的专业匹配进行建模,利用历史数据对医生的态度进行建模;使用回归模型对问题-医生的专业匹配和态度进行自适应权衡。进行了大量基于真实数据集的实验对所提出的机制进行了验证。实验结果表明:与常用的方法相比,本文所提出的机制准确度能提高30%;很大程度上提高了问题解决的效率。; 关键词医疗社区问答系统问题推荐概率超图态度建模; Keywords community-based health service system question routing probabilistic hypergraph attitude modeling; 分类号 TP181 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	融合知识图谱和语义匹配的医疗问答系统	徐若卿	《现代电子技术》北大核心	2024	5	在线阅读下载PDF 职称材料
2	面向医疗问答系统的大语言模型命名实体识别方法	杨波孙晓虎党佳怡赵海燕金芝	《计算机科学与探索》 CSCD 北大核心	2023	30	在线阅读下载PDF 职称材料
3	基于多模态知识感知注意力机制的问答方法	张莹莹钱胜胜方全徐常胜	《计算机研究与发展》 EI CSCD 北大核心	2020	21	在线阅读下载PDF 职称材料
4	健康问题和医生匹配机制的研究	朱利岳爱珍	《西安交通大学学报》 EI CAS CSCD 北大核心	2014	3	在线阅读下载PDF 职称材料