Key Words:
混合动态掩码;;多策略融合;;知识图谱;;医疗问答;;大语言模型
Abstract:
医疗知识图谱问答结合医学知识和自然语言处理技术，为医疗从业者和患者提供准确、快速的问答服务。随着数据激增，现有的中文医疗知识图谱不够全面，并且医学问题复杂多义，准确识别实体信息、生成通俗易懂的回答仍有挑战。提出了一种基于混合动态掩码与多策略融合的医疗知识图谱问答框架。通过整合公开数据集与医药平台的疾病知识，构建了一个包含34 167个实体和297 463条关系的医疗知识图谱，涵盖疾病、药品、食物等多个类别。提出BERT-MaskAttention-BiLSTM-CRF混合动态掩码模型来精确识别输入的医疗实体信息，更有效地关注重要内容，去除冗余信息干扰。采用实体对齐策略将医疗实体进行统一和标准化，通过意图识别策略深入理解用户的查询意图，结合大型语言模型对知识图谱的输出进行润色，保证回答内容更加容易理解。实验结果表明，在实体识别对比实验中模型的宏观平均F1值达到0.960 2，在问答测试实验中，平均准确率达到0.965 6，且生成的内容更加通俗易懂，可解释性强。
Paper Publications
