项目基本情况Basic information of the project
(1)从多个方面展开用户意图识别研究。用户意图的识别和跟踪转化为对用户对话内容的意图分类和槽值抽取,分类模型的研究采用有监督机器学习方法。在具体技术方案上,本研究拟基于获取到的好大夫咨询问答数据采用自监督学习方法学习预训练语言模型,而后基于意图分类和槽值抽取的少量标注数据采用小样本学习(Few-Shot Learning)获得精调模型。与此同时,还从用户行为模式和交互模式两个方面展开了研究,会话机器人不仅要承担起健康助手的角色,同时还要鼓励用户之间的社交,并承担起核心节点的角色,这样才能有效地影响用户的健康行为,促进健康管理效果提升。
(2)针对智能诊断研究,首先考虑从电子病历抽取糖尿病相关知识,构建知识图谱,而后构建基于知识图谱的智能诊断。在具体技术方案上,采用预训练模型+CRF结构实现命名实体识别,采用卷积网络+池化的结构实现关系抽取,实体识别和关系抽取准确率较高;进一步地,基于抽取的医疗知识构建马尔科夫逻辑网和递归神经网络构建并训练疾病诊断模型,模型评价指标显示方法有效,仍有较大提升空间。
(3)针对对话内容生成研究,考虑到糖尿病健康管理场景对话的强目的性特点,采用约束生成式和检索式相结合的方法。在具体技术方案上,约束生成式技术以智能诊断的输出为约束,逐步插入衔接词汇构造出符合人类表达且包含诊断结果的对话响应内容;另一方面,如果智能诊断无输出,则根据用户输入语句检索相似的问句,从而得到对应的医生答句作为对话相应内容。约束生成
管理团队与技术团队Management team and technical team
哈尔滨理工大学
效益分析Benefit analysis
该项目为储备库项目资源,暂无效益分析内容。