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
• 来源期刊: 中国数字医学
• 学科: 医学
• 关键词: 自然语言处理 文本语义匹配 迁移学习 智慧医疗
• 年，卷（期）: 2021,（11）
• 所属期刊栏目: 数据管理与利用|Data Management and Utilization
• 页码范围: 99-103
• 页数: 5页
• 分类号: R319
• 语种: 中文
• DOI: 10.3969/j.issn.1673-7571.2021.11.022

摘要

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.