基于结构化自注意力网络的对话症状推断

症状推断是自动诊断医学对话系统的关键组成部分。近年来，随着网络问诊的兴起，医患对话文本的数量不断增加，原先基于电子健康记录的症状推断研究逐渐转移至医患对话文本。现存的大多数研究都忽略了对话特有的角色与症状实体结构先验知识，而这两种先验知识能够帮助模型更好的学习上下文的关联。因此该文提出了基于角色与实体结构先验知识的改良自注意力网络并将其与预训练语言模型相结合。本文模型将角色与实体结构先验知识融入文本的编码阶段中，能够更准确地进行症状实体的属性推断。该文使用CBLUE2.0榜单的CHIP-MDCFNPC数据集评估模型的性能。在CBLUE2.0榜单的CHIP-MDCFNPC数据集上的实验结果表明本文的模型与基线模型对比取得了性能的提升，验证了先验知识与模型结构的有效性。