基于知识图谱的儿童病问答模型构建

摘要

为解决医疗问答系统精准度不高和深层语义匹配不准确的问题,提出了融合TF-IDF、BERT和DSSM的问答模型(TIBD-QA).在妈妈网中抓取儿童病护理的相关数据,构建了儿童病护理问答数据集ChildQA,使用DSSM算法解决人工特征转换效率低的问题;利用BERT中的多头注意力机制使模型可以关注不同方面的信息,使得到的上下文信息更加准确.对比实验结果表明,所提方法在ChildQA数据集和WebQA公开数据集上的精确率分别达到83.6％和84.3％,且在构建的儿童病问答系统上取得较好效果.