【AAAI2021】低资源医疗对话生成的图演化元学习

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