Fugu-MT 論文翻訳(概要): Medical Dialogue Response Generation with Pivotal Information Recalling

論文の概要: Medical Dialogue Response Generation with Pivotal Information Recalling

arxiv url: http://arxiv.org/abs/2206.08611v1
Date: Fri, 17 Jun 2022 08:11:10 GMT
ステータス: 処理完了
システム内更新日: 2022-06-21 01:45:42.285086
Title: Medical Dialogue Response Generation with Pivotal Information Recalling
Title（参考訳）: Pivotal Information Recalling を用いた医療対話応答生成
Authors: Yu Zhao, Yunxin Li, Yuxiang Wu, Baotian Hu, Qingcai Chen, Xiaolong Wang, Yuxin Ding, Min Zhang
Abstract要約: 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。
参考スコア（独自算出の注目度）: 27.351688914399013
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Medical dialogue generation is an important yet challenging task. Most previous works rely on the attention mechanism and large-scale pretrained language models. However, these methods often fail to acquire pivotal information from the long dialogue history to yield an accurate and informative response, due to the fact that the medical entities usually scatters throughout multiple utterances along with the complex relationships between them. To mitigate this problem, we propose a medical response generation model with Pivotal Information Recalling (MedPIR), which is built on two components, i.e., knowledge-aware dialogue graph encoder and recall-enhanced generator. The knowledge-aware dialogue graph encoder constructs a dialogue graph by exploiting the knowledge relationships between entities in the utterances, and encodes it with a graph attention network. Then, the recall-enhanced generator strengthens the usage of these pivotal information by generating a summary of the dialogue before producing the actual response. Experimental results on two large-scale medical dialogue datasets show that MedPIR outperforms the strong baselines in BLEU scores and medical entities F1 measure.
Abstract（参考訳）: 医療対話の生成は重要だが困難な課題である。これまでのほとんどの研究は、注意機構と大規模事前訓練言語モデルに依存していた。しかしながら、これらの手法は、長い対話の歴史から重要な情報を取得して、正確かつ情報的な応答を得るのに失敗することが多い。この問題を解決するために,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という2つのコンポーネント上に構築されたPivotal Information Recalling(MedPIR)を用いた医療応答生成モデルを提案する。知識認識対話グラフエンコーダは、発話中のエンティティ間の知識関係を利用して対話グラフを構築し、グラフ注意ネットワークで符号化する。そして、リコール強化ジェネレータは、実際の応答を生成する前に対話の要約を生成することにより、これらの重要な情報の使用を強化する。 2つの大規模医療対話データセットの実験結果から,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。

関連論文リスト

Medical Vision-Language Pre-Training for Brain Abnormalities [96.1408455065347]
本稿では,PubMedなどの公共リソースから,医用画像・テキスト・アライメントデータを自動的に収集する方法を示す。特に,まず大きな脳画像テキストデータセットを収集することにより,事前学習プロセスの合理化を図るパイプラインを提案する。また,医療領域におけるサブフィギュアをサブキャプションにマッピングするというユニークな課題についても検討した。
論文参考訳（メタデータ） (2024-04-27T05:03:42Z)
Improving Medical Dialogue Generation with Abstract Meaning Representations [26.97253577302195]
医療対話生成は、患者への医療専門知識の普及を促進することで遠隔医療において重要な役割を担っている。既存の研究は、テキストのセマンティクスを表現する能力に制限があるテキスト表現を取り入れることに焦点を当てている。本稿では、抽象的意味表現(AMR)を用いて、言語構成員や医療機関の役割を記述したグラフィカルな表現を構築する。
論文参考訳（メタデータ） (2023-09-19T13:31:49Z)
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)
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)
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)
Prompt-based Generative Approach towards Multi-Hierarchical Medical Dialogue State Tracking [5.586690662128686]
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。
論文参考訳（メタデータ） (2022-03-18T13:28:27Z)
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)
Ranking Enhanced Dialogue Generation [77.8321855074999]
対話履歴を効果的に活用する方法は、マルチターン対話生成において重要な問題である。これまでの研究は通常、歴史をモデル化するために様々なニューラルネットワークアーキテクチャを使用していた。本稿では,ランキング拡張対話生成フレームワークを提案する。
論文参考訳（メタデータ） (2020-08-13T01:49:56Z)
ORD: Object Relationship Discovery for Visual Dialogue Generation [60.471670447176656]
視覚対話生成のためのオブジェクトインタラクションを保存するためのオブジェクト関係探索(ORD)フレームワークを提案する。階層的なグラフ畳み込みネットワーク (HierGCN) が提案され、オブジェクトノードと近傍の関係を局所的に保持し、オブジェクトとオブジェクトの接続をグローバルに洗練する。実験により,視覚的関係の文脈情報を活用することにより,対話の質を大幅に向上できることが示された。
論文参考訳（メタデータ） (2020-06-15T12:25:40Z)
On the Generation of Medical Dialogues for COVID-19 [60.63485429268256]
新型コロナウイルス関連の症状を患ったり、危険因子に晒されたりする人は、医師に相談する必要がある。医療専門家が不足しているため、多くの人がオンライン相談を受けることができない。本研究の目的は、新型コロナウイルス関連の相談を提供する医療対話システムの構築である。
論文参考訳（メタデータ） (2020-05-11T21:23:43Z)

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。