联合知识的融合训练模型①

王永鹏,周晓磊,,马慧敏,曹吉龙

1(中国科学院 沈阳计算技术研究所,沈阳 110168)

2(中国科学院大学,北京 100049)

3(东软集团股份有限公司,沈阳 110179)

4(中国医科大学附属第四医院,沈阳 110032)

线下医院排队时间长,看病慢已经是每个患者心中的痛点.现在虽然几乎每个医院都有线上预约挂号,线下看病,或者线上直接问诊等功能但是还需要患者根据自己的病情特征自己选择科室,进而找到医生,但是这种方式显示没有将互联网医院数据得到充分的利用.因而利用深度学习的技术解决人们快速的线上就诊成为急切的问题.

医患IM 页作为最大的流量和服务入口,其中聊天文本信息覆盖了疾病名称、症状、药品名称等多种命名实体,所以准确的刻画Query和Context 之间的深度语义相关性至关重要,还有不同患者在描述症状上字面相差巨大,比如感冒和头痛、鼻子堵塞、流鼻涕、发烧、身体发冷等词之间的字面意思相差非常大,但是他们却是和呼吸内科是语义相关的.在这种场景下用户希望在不同场景下通过输入文字来获取自己想要的服务,这就需要一个强大的模型.

这其中有4个痛点:第1个是患者描述病情信息特征稀疏问题,模型很难学习到准确的语义信息.第2个是基于深度Transformer的模型虽然效果好,但是推理速度慢,很难应用到实时的生产环境.第3个是文本医患聊天中命名实体信息多而复杂.第4个是不同患者描述字面信息差别大.为了解决这几个痛点问题,本文……