論文の概要: Prompt-based Generative Approach towards Multi-Hierarchical Medical Dialogue State Tracking

• arxiv url: http://arxiv.org/abs/2203.09946v1
• Date: Fri, 18 Mar 2022 13:28:27 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-21 18:42:15.814708
• Title: Prompt-based Generative Approach towards Multi-Hierarchical Medical Dialogue State Tracking
• Title（参考訳）: 多階層的医療対話状態追跡へのプロンプトに基づく生成的アプローチ
• Authors: Jun Liu, Tong Ruan, Haofen Wang, Huanhuan Zhang
• Abstract要約: 医療対話システムにおける対話状態追跡(DST)モジュールは、下流タスクのための機械可読構造に発話を解釈する。 まず,多階層状態構造を定義し,次に Prompt に基づく生成手法を提案する。 我々の手法は他のDST手法よりも優れており、データが少ないシナリオではかなり効果的である。
• 参考スコア（独自算出の注目度）: 5.586690662128686
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The medical dialogue system is a promising application that can provide great convenience for patients. The dialogue state tracking (DST) module in the medical dialogue system which interprets utterances into the machine-readable structure for downstream tasks is particularly challenging. Firstly, the states need to be able to represent compound entities such as symptoms with their body part or diseases with degrees of severity to provide enough information for decision support. Secondly, these named entities in the utterance might be discontinuous and scattered across sentences and speakers. These also make it difficult to annotate a large corpus which is essential for most methods. Therefore, we first define a multi-hierarchical state structure. We annotate and publish a medical dialogue dataset in Chinese. To the best of our knowledge, there are no publicly available ones before. Then we propose a Prompt-based Generative Approach which can generate slot values with multi-hierarchies incrementally using a top-down approach. A dialogue style prompt is also supplemented to utilize the large unlabeled dialogue corpus to alleviate the data scarcity problem. The experiments show that our approach outperforms other DST methods and is rather effective in the scenario with little data.
• Abstract（参考訳）: 医療対話システムは患者に優れた利便性を提供する有望なアプリケーションである。 下流タスクの機械可読構造に発話を解釈する医療対話システムにおける対話状態追跡(dst)モジュールは,特に困難である。 第一に、国家は身体部分の症状や重度の疾患といった複合的な実体を表現できなければならず、決定支援のための十分な情報を提供する必要がある。 第二に、発話中のこれらの名前付き実体は不連続であり、文や話者に散在する可能性がある。 これはまた、ほとんどの方法に不可欠な大きなコーパスに注釈をつけることも困難である。 したがって、まず多階層状態構造を定義する。 医用対話データセットを中国語で注釈し,公開する。 私たちの知る限りでは、これまで公開されていないものはありません。 次に,トップダウンアプローチを用いて,複数階層のスロット値を生成するプロンプトベースの生成手法を提案する。 ダイアログスタイルのプロンプトを補足して、大きなラベルのないダイアログコーパスを使用して、データの不足問題を緩和する。 実験の結果,提案手法は他のdst法よりも優れており,データが少ないシナリオでは有効であった。

関連論文リスト

• PneumoLLM: Harnessing the Power of Large Language Model for Pneumoconiosis Diagnosis [16.90918546157292]
  大規模言語モデル(LLM)は対話において複数のタスクを実行する際、前例のない能力を示す。 学習可能なパラメータの少ない診断において,LSMを効果的に活用する手法を提案する。 本稿では,コンテキスト型マルチトークンエンジンと情報エミッタモジュールを紹介する。
  論文  参考訳（メタデータ） (2023-12-06T13:31:52Z)
• Medical Dialogue Generation via Dual Flow Modeling [9.328694317877169]
  医療対話システム(MDS)は、患者に診断や処方薬などの医療サービスを提供することを目的としている。 これまでの研究は主に、上記医療機関を重要な対話履歴情報として抽出することでこの問題に対処した。 本研究は, 医療機関と医師の対話行動の推移を各ターンで捉えることも重要であると論じる。
  論文  参考訳（メタデータ） (2023-05-29T14:23:34Z)
• Pre-training Multi-party Dialogue Models with Latent Discourse Inference [85.9683181507206]
  我々は、多人数対話の会話構造、すなわち、各発話が応答する相手を理解するモデルを事前訓練する。 ラベル付きデータを完全に活用するために,談話構造を潜在変数として扱い,それらを共同で推論し,談話認識モデルを事前学習することを提案する。
  論文  参考訳（メタデータ） (2023-05-24T14:06:27Z)
• CDialog: A Multi-turn Covid-19 Conversation Dataset for Entity-Aware Dialog Generation [18.047064216849204]
  われわれは,CDialog と命名された Covid-19 病に関連する高品質な医療用ダイアログデータセットを公表した。 本稿では,CDialogデータセットに基づく新しい医用ダイアログシステムを提案する。
  論文  参考訳（メタデータ） (2022-11-16T11:07:34Z)
• Medical Dialogue Response Generation with Pivotal Information Recalling [27.351688914399013]
  本稿では,Pivotal Information Recalling (MedPIR) を用いた医療応答生成モデルを提案する。 MedPIRは知識対応対話グラフエンコーダとリコール強化ジェネレータの2つのコンポーネント上に構築されている。 2つの大規模医療対話データセットによる実験結果から,MedPIRはBLEUスコアと医療機関F1測定において,強いベースラインを上回ります。
  論文  参考訳（メタデータ） (2022-06-17T08:11:10Z)
• HybriDialogue: An Information-Seeking Dialogue Dataset Grounded on Tabular and Textual Data [87.67278915655712]
  我々は、ウィキペディアのテキストとテーブルの両方を基盤とした、クラウドソーシングされた自然な会話からなる新しい対話データセットHybriDialogueを提示する。 これらの会話は、複雑なマルチホップ質問をシンプルで現実的なマルチターン対話に分解することで生成される。
  論文  参考訳（メタデータ） (2022-04-28T00:52:16Z)
• Cross-Lingual Dialogue Dataset Creation via Outline-Based Generation [70.81596088969378]
  言語間アウトラインに基づく対話データセット(COD)は、自然言語の理解を可能にする。 CODは、4つの異なる言語で対話状態の追跡とエンドツーエンドの対話モデリングと評価を可能にする。
  論文  参考訳（メタデータ） (2022-01-31T18:11:21Z)
• Towards more patient friendly clinical notes through language models and ontologies [57.51898902864543]
  本稿では,単語の単純化と言語モデリングに基づく医療用テキストの自動作成手法を提案する。 我々は,公開医療文のデータセットペアと,臨床医による簡易化版を用いている。 本手法は,医学フォーラムデータに基づく言語モデルを用いて,文法と本来の意味の両方を保存しながら,より単純な文を生成する。
  論文  参考訳（メタデータ） (2021-12-23T16:11:19Z)
• MEDCOD: A Medically-Accurate, Emotive, Diverse, and Controllable Dialog System [6.902975908146047]
  本稿では,医学的精度,動機,ディバース,制御可能な対話システムであるMEDCODについて述べる。 医学領域の知識を現代のディープラーニング技術と統合し、柔軟で人間らしい自然言語表現を生成する。
  論文  参考訳（メタデータ） (2021-11-17T20:31:16Z)
• MedDG: An Entity-Centric Medical Consultation Dataset for Entity-Aware Medical Dialogue Generation [86.38736781043109]
  MedDGという12種類の消化器疾患に関連する大規模医用対話データセットを構築し,公開する。 MedDGデータセットに基づく2種類の医療対話タスクを提案する。1つは次のエンティティ予測であり、もう1つは医師の反応生成である。 実験結果から,プレトレイン言語モデルと他のベースラインは,両方のタスクに苦戦し,データセットの性能が劣ることがわかった。
  論文  参考訳（メタデータ） (2020-10-15T03:34:33Z)
• Rethinking Dialogue State Tracking with Reasoning [76.0991910623001]
  本稿では, 対話状態の段階的追跡を, バックエンドデータの助けを借りて行うことを提案する。 実験の結果,MultiWOZ 2.1の連立信条精度は38.6%向上した。
  論文  参考訳（メタデータ） (2020-05-27T02:05:33Z)

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。