面向中文医疗问答网站的相似问题检索研究

作者：王保成; 刘利军; 黄青松^*

来源：中文信息学报, 2022, 36(06): 135-145.

• 医疗问答平台
• 文本卷积神经网络
• 文本匹配模型
• 集成学习

医疗问答平台主要通过关键词检索来服务，但其缺点是难以应对文本中多样化表达、否定词较多等特点，且不能充分根据用户的语义查询，使查询结果中有大量无关项。因此该文先用基于改进文本卷积神经网络的哈希生成模型，进行相似问题的语义检出，以更好地处理文本中的多样化表达、否定词较多等现象。然后，用更精确的文本匹配模型对检出集合进行过滤和排序，通过集成学习构建该模型。模型先集成Siamese-BERT模型，该模型利用孪生网络，并用BERT作为基础模型，能更好地进行语义抽取；接着集成BERT-Match模型，该模型借助BERT的多头注意力机制，能更好地捕捉问句间的局部相关性。最后，用梯度下降提升树将语义特征及统计特征结合，使模型更准确。实验结果表明，该文方法在进行相似问题检出和文本匹配时能得到更好的结果。

• 单位
  昆明理工大学; 自动化学院