拥有良好医学知识的人类医生,只需与病人进行几次有关症状的对话,就能诊断出疾病。相比之下,现有的以知识为基础的对话系统往往需要大量对话实例来学习,因为它们无法捕捉不同疾病之间的相关性,忽视了它们之间共享的诊断经验。为解决这一问题,我们提出了一种更自然、更实用的范式,即低资源的医疗对话生成,它可以将源疾病的诊断经验转移到有少量数据可供适应的目标疾病。它利用常识知识图谱来表征先前的疾病症状关系。此外,我们还开发了一个图演化元学习(GEML)框架,该框架通过学习进化常识图谱来推理一种新疾病的疾病症状相关性,有效地缓解了大量对话的需求。更重要的是,通过动态演变的疾病症状图,GEML还很好地解决了现实世界的挑战,即每种疾病的疾病症状相关性可能随着更多诊断病例而变化或演变。在CMDD数据集和我们新收集的Chunyu数据集上的大量实验结果证明了我们的方法优于最先进的方法。此外,GEML还可以在线生成丰富的对话敏感的知识图谱,对其他基于知识图谱的任务有借鉴意义。

https://www.zhuanzhi.ai/paper/e378691f4b084a18b1a0238815c63fb6

成为VIP会员查看完整内容
46

相关内容

【AAAI2021】知识图谱增强的预训练模型的生成式常识推理
【AAAI2021】对话推理:上下文阅读理解提升回复生成
专知会员服务
43+阅读 · 2021年1月23日
【AAAI2021】记忆门控循环网络
专知会员服务
47+阅读 · 2020年12月28日
专知会员服务
23+阅读 · 2020年12月16日
【AAAI2021】“可瘦身”的生成式对抗网络
专知会员服务
12+阅读 · 2020年12月12日
【AAAI2021】利用先验知识对场景图进行分类
专知会员服务
59+阅读 · 2020年12月3日
专知会员服务
18+阅读 · 2020年10月13日
【EMNLP2020-清华】基于常识知识图谱的多跳推理语言生成
专知会员服务
72+阅读 · 2020年9月25日
【ICML2020-浙江大学】对抗性互信息的文本生成
专知会员服务
43+阅读 · 2020年7月4日
使用GAN生成序列数据
专知
7+阅读 · 2020年7月4日
【KDD2020】图神经网络生成式预训练
专知
20+阅读 · 2020年7月3日
科研人员提出海量虚拟数据生成新方法
中科院之声
6+阅读 · 2019年9月25日
从无到有!自动化所提出海量虚拟数据生成新方法
中国科学院自动化研究所
5+阅读 · 2019年9月16日
论文浅尝 | 为基于知识库的问答构建形式查询生成
开放知识图谱
10+阅读 · 2019年3月8日
Arxiv
1+阅读 · 2021年2月26日
Arxiv
0+阅读 · 2021年2月25日
Arxiv
29+阅读 · 2020年3月16日
Meta-Learning to Cluster
Arxiv
17+阅读 · 2019年10月30日
VIP会员
相关VIP内容
【AAAI2021】知识图谱增强的预训练模型的生成式常识推理
【AAAI2021】对话推理:上下文阅读理解提升回复生成
专知会员服务
43+阅读 · 2021年1月23日
【AAAI2021】记忆门控循环网络
专知会员服务
47+阅读 · 2020年12月28日
专知会员服务
23+阅读 · 2020年12月16日
【AAAI2021】“可瘦身”的生成式对抗网络
专知会员服务
12+阅读 · 2020年12月12日
【AAAI2021】利用先验知识对场景图进行分类
专知会员服务
59+阅读 · 2020年12月3日
专知会员服务
18+阅读 · 2020年10月13日
【EMNLP2020-清华】基于常识知识图谱的多跳推理语言生成
专知会员服务
72+阅读 · 2020年9月25日
【ICML2020-浙江大学】对抗性互信息的文本生成
专知会员服务
43+阅读 · 2020年7月4日
相关资讯
使用GAN生成序列数据
专知
7+阅读 · 2020年7月4日
【KDD2020】图神经网络生成式预训练
专知
20+阅读 · 2020年7月3日
科研人员提出海量虚拟数据生成新方法
中科院之声
6+阅读 · 2019年9月25日
从无到有!自动化所提出海量虚拟数据生成新方法
中国科学院自动化研究所
5+阅读 · 2019年9月16日
论文浅尝 | 为基于知识库的问答构建形式查询生成
开放知识图谱
10+阅读 · 2019年3月8日
相关论文
Arxiv
1+阅读 · 2021年2月26日
Arxiv
0+阅读 · 2021年2月25日
Arxiv
29+阅读 · 2020年3月16日
Meta-Learning to Cluster
Arxiv
17+阅读 · 2019年10月30日
微信扫码咨询专知VIP会员