論文の概要: A Weighted Heterogeneous Graph Based Dialogue System

• arxiv url: http://arxiv.org/abs/2010.10699v2
• Date: Sat, 26 Dec 2020 02:09:25 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-04 22:39:13.196659
• Title: A Weighted Heterogeneous Graph Based Dialogue System
• Title（参考訳）: 重み付き不均一グラフに基づく対話システム
• Authors: Xinyan Zhao, Liangwei Chen, Huanhuan Chen
• Abstract要約: 本研究は, 重み付きヘテロジニアスグラフを用いた疾患診断のための対話システムを提案する。 具体的には、症状共起に基づく重み付きヘテロジニアスグラフと、症状周波数逆病頻度を提案する。 そこで本研究では,対話管理のためのグラフベースのディープQ-ネットワーク(Graph-DQN)を提案する。
• 参考スコア（独自算出の注目度）: 22.959887100864634
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Knowledge based dialogue systems have attracted increasing research interest in diverse applications. However, for disease diagnosis, the widely used knowledge graph is hard to represent the symptom-symptom relations and symptom-disease relations since the edges of traditional knowledge graph are unweighted. Most research on disease diagnosis dialogue systems highly rely on data-driven methods and statistical features, lacking profound comprehension of symptom-disease relations and symptom-symptom relations. To tackle this issue, this work presents a weighted heterogeneous graph based dialogue system for disease diagnosis. Specifically, we build a weighted heterogeneous graph based on symptom co-occurrence and a proposed symptom frequency-inverse disease frequency. Then this work proposes a graph based deep Q-network (Graph-DQN) for dialogue management. By combining Graph Convolutional Network (GCN) with DQN to learn the embeddings of diseases and symptoms from both the structural and attribute information in the weighted heterogeneous graph, Graph-DQN could capture the symptom-disease relations and symptom-symptom relations better. Experimental results show that the proposed dialogue system rivals the state-of-the-art models. More importantly, the proposed dialogue system can complete the task with less dialogue turns and possess a better distinguishing capability on diseases with similar symptoms.
• Abstract（参考訳）: 知識に基づく対話システムは、多様なアプリケーションに対する研究の関心を惹きつけている。 しかし, 疾患診断においては, 従来の知識グラフのエッジが重み付けされていないため, 症状-症状関係と症状-症状関係を表現することは困難である。 疾患診断対話システムに関するほとんどの研究は、データ駆動型手法と統計的特徴に強く依存しており、症状-症状関係と症状-交感神経関係の深い理解を欠いている。 そこで本研究では,重み付きヘテロジニアスグラフを用いた疾患診断のための対話システムを提案する。 具体的には、症状共起に基づく重み付きヘテロジニアスグラフと、症状周波数逆病頻度を提案する。 次に,対話管理のためのグラフベースのディープqネットワーク(graph-dqn)を提案する。 グラフ畳み込みネットワーク(GCN)とDQNを組み合わせることで、重み付きヘテロジニアスグラフの構造情報と属性情報の両方から疾患や症状の埋め込みを学習することで、Graph-DQNは症状・症状・症状の関係をよりよく捉えることができる。 実験の結果,提案する対話システムは最先端のモデルに匹敵することがわかった。 さらに重要なことは、対話システムは対話のターンを減らしてタスクを完了し、類似の症状を持つ疾患に対するより良い識別能力を有することである。

関連論文リスト

• KNSE: A Knowledge-aware Natural Language Inference Framework for Dialogue Symptom Status Recognition [69.78432481474572]
  症状状態認識(SSR)のための新しいフレームワークKNSEを提案する。 対話ウィンドウ内の各症状について、まず、症状の状態に関する症状と仮説に関する知識を生成し、(前提、知識、仮説)三重項を形成する。 次にBERTモデルを使用して三重項を符号化し、さらに発話アグリゲーション、自己アテンション、横断アテンション、GRUなどのモジュールで処理して症状状態を予測する。
  論文  参考訳（メタデータ） (2023-05-26T11:23:26Z)
• Dynamic Graph Enhanced Contrastive Learning for Chest X-ray Report Generation [92.73584302508907]
  コントラスト学習を用いた医療レポート作成を支援するために,動的構造とノードを持つ知識グラフを提案する。 詳しくは、グラフの基本構造は一般知識から事前構築される。 各イメージ機能は、レポート生成のためにデコーダモジュールに入力する前に、独自の更新グラフに統合される。
  論文  参考訳（メタデータ） (2023-03-18T03:53:43Z)
• Multi-modal Dynamic Graph Network: Coupling Structural and Functional Connectome for Disease Diagnosis and Classification [8.67028273829113]
  構造的および機能的脳ネットワーク学習のためのマルチモーダル動的グラフ畳み込みネットワーク(MDGCN)を提案する。 本手法は,モーダル間表現のモデル化と動的グラフへの注意的多モデル関連付けの利点を生かした。
  論文  参考訳（メタデータ） (2022-10-25T02:41:32Z)
• Graph-Evolving Meta-Learning for Low-Resource Medical Dialogue Generation [150.52617238140868]
  ソース疾患からターゲット疾患へ診断経験を移すために、低リソースの医療対話生成を提案します。 また,新しい疾患の症状相関を推論するためのコモンセンスグラフの進化を学習するグラフ進化メタラーニングフレームワークを開発した。
  論文  参考訳（メタデータ） (2020-12-22T13:20:23Z)
• Online Disease Self-diagnosis with Inductive Heterogeneous Graph Convolutional Networks [34.88155389791519]
  EHR(Electronic Healthcare Records)に基づくオンラインユーザのための病気自己診断サービスを提供するHealGCN(Healcare Graph Convolutional Network)を提案する。 まず、EHRデータをヘテロジニアスなグラフに整理し、ユーザ、症状、疾患間の複雑な相互作用をモデル化する。 そこで我々は,EMHグラフに基づく症状検索システム(GraphRet)を用いた疾患自己診断システムを構築し,関連する代替症状を検索し,提示する。
  論文  参考訳（メタデータ） (2020-09-06T01:32:14Z)
• Hierarchical Reinforcement Learning for Automatic Disease Diagnosis [52.111516253474285]
  政策学習のための対話システムに2段階の階層的な政策構造を統合することを提案する。 提案した政策構造は,多くの疾患や症状を含む診断問題に対処することができる。
  論文  参考訳（メタデータ） (2020-04-29T15:02:41Z)
• Dynamic Graph Correlation Learning for Disease Diagnosis with Incomplete Labels [66.57101219176275]
  胸部X線画像上の疾患診断は,多ラベル分類の課題である。 本稿では,異なる疾患間の相互依存を調査する新たな視点を提示する病的診断グラフ畳み込みネットワーク(DD-GCN)を提案する。 本手法は,相関学習のための動的隣接行列を用いた特徴写像上のグラフを初めて構築する手法である。
  論文  参考訳（メタデータ） (2020-02-26T17:10:48Z)
• Learning Dynamic and Personalized Comorbidity Networks from Event Data using Deep Diffusion Processes [102.02672176520382]
  コンコルビンド病は、個人によって異なる複雑な時間的パターンを通じて発生し進行する。 電子的な健康記録では、患者が持つ異なる疾患を観察できるが、それぞれの共死状態の時間的関係を推測できるだけである。 我々は「ダイナミック・コオービディティ・ネットワーク」をモデル化するための深層拡散プロセスを開発する。
  論文  参考訳（メタデータ） (2020-01-08T15:47:08Z)
• Learning Multi-resolution Graph Edge Embedding for Discovering Brain Network Dysfunction in Neurological Disorders [10.12649945620901]
  病気特異的なコネクトロミックベンチマークを検出するためのマルチレゾリューションエッジネットワーク(MENET)を提案する。 MENETは診断ラベルを正確に予測し、神経疾患と関連性の高い脳の結合性を識別する。
  論文  参考訳（メタデータ） (2019-12-03T03:46:14Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。