Improving Medical Dialogue Generation with Abstract Meaning Representations

要約

Medical Dialogue Generation は、患者への医療専門知識の普及を促進することで、遠隔医療において重要な役割を果たします。
既存の研究はテキスト表現を組み込むことに焦点を当てており、重要な医療実体を無視するなど、テキストの意味論を表現する能力が制限されていました。
テキストの意味論と、エンティティや関係を含む医学的知識についてのモデルの理解を強化するために、対話内の言語構成要素と医療エンティティの役割を描写するグラフィック表現を構築するための抽象意味表現 (AMR) の使用を導入します。
この論文では、AMR グラフを使用して患者と医療専門家間の対話をモデル化する新しいフレームワークを提案します。ニューラル ネットワークには、二重注意メカニズムを備えたテキストとグラフィックの知識が組み込まれています。
実験結果は、私たちのフレームワークが医療対話の生成において強力なベースライン モデルを上回っていることを示し、医療知識と論理的関係の表現を強化する際の AMR グラフの有効性を実証しています。
さらに、この分野での今後の研究をサポートするために、対応するソース コードを https://github.com/Bernard-Yang/MedDiaAMR で提供します。

要約(オリジナル)

Medical Dialogue Generation serves a critical role in telemedicine by facilitating the dissemination of medical expertise to patients. Existing studies focus on incorporating textual representations, which have limited their ability to represent the semantics of text, such as ignoring important medical entities. To enhance the model’s understanding of the textual semantics and the medical knowledge including entities and relations, we introduce the use of Abstract Meaning Representations (AMR) to construct graphical representations that delineate the roles of language constituents and medical entities within the dialogues. In this paper, We propose a novel framework that models dialogues between patients and healthcare professionals using AMR graphs, where the neural networks incorporate textual and graphical knowledge with a dual attention mechanism. Experimental results show that our framework outperforms strong baseline models in medical dialogue generation, demonstrating the effectiveness of AMR graphs in enhancing the representations of medical knowledge and logical relationships. Furthermore, to support future research in this domain, we provide the corresponding source code at https://github.com/Bernard-Yang/MedDiaAMR.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google