基于竞赛视角探讨文本语义匹配技术在中文医学文本领域中的应用

作者：骆迅; 倪渊; 汤步洲; 雷健波^*

来源：中国数字医学, 2021, 16(11): 99-103.

DOI：10.3969/j.issn.1673-7571.2021.11.022

• 自然语言处理
• 文本语义匹配
• 迁移学习
• 智慧医疗

为促进语义匹配技术在智慧医疗的发展,第5届中国健康信息处理大会(CHIP2019)举办医疗文本迁移学习比赛,通过竞赛的方式比较分析不同模型的性能,研究语义匹配模型在医疗领域的应用情况。针对头部队伍的模型研究表明,BERT类模型F1值比传统深度学习模型平均高出4%5%。其中,效果最好的是Roberta,单模F1值超过0.86,准确率接近90%,和人类水平相当。此外,加入疾病领域知识后,模型训练收敛更快,F1值能提升约1%。说明随着自然语言处理(NLP)技术的发展,传统深度学习模型已被BERT(bidirectional encoder representations from transformer)类模型全方位超越,基于迁移学习的BERT类模型可能会是智能医疗问答系统日后的发展趋势。

• 单位
  北京大学; 哈尔滨工业大学深圳研究院