論文の概要: CDialog: A Multi-turn Covid-19 Conversation Dataset for Entity-Aware Dialog Generation

• arxiv url: http://arxiv.org/abs/2212.06049v1
• Date: Wed, 16 Nov 2022 11:07:34 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-18 18:57:18.207492
• Title: CDialog: A Multi-turn Covid-19 Conversation Dataset for Entity-Aware Dialog Generation
• Title（参考訳）: CDialog: エンティティ対応ダイアログ生成のためのマルチターンCovid-19会話データセット
• Authors: Deeksha Varshney, Aizan Zafar, Niranshu Kumar Behra and Asif Ekbal
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 18.047064216849204
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The development of conversational agents to interact with patients and deliver clinical advice has attracted the interest of many researchers, particularly in light of the COVID-19 pandemic. The training of an end-to-end neural based dialog system, on the other hand, is hampered by a lack of multi-turn medical dialog corpus. We make the very first attempt to release a high-quality multi-turn Medical Dialog dataset relating to Covid-19 disease named CDialog, with over 1K conversations collected from the online medical counselling websites. We annotate each utterance of the conversation with seven different categories of medical entities, including diseases, symptoms, medical tests, medical history, remedies, medications and other aspects as additional labels. Finally, we propose a novel neural medical dialog system based on the CDialog dataset to advance future research on developing automated medical dialog systems. We use pre-trained language models for dialogue generation, incorporating annotated medical entities, to generate a virtual doctor's response that addresses the patient's query. Experimental results show that the proposed dialog models perform comparably better when supplemented with entity information and hence can improve the response quality.
• Abstract（参考訳）: 患者と対話し、臨床アドバイスを提供する会話エージェントの開発は、特に新型コロナウイルスのパンデミックを背景に、多くの研究者の関心を集めている。 一方で、エンドツーエンドのニューラルネットワークベースのダイアログシステムのトレーニングは、マルチターンの医療ダイアログコーパスの欠如によって妨げられている。 われわれは、CDialogという名前のCovid-19病に関連する高品質なマルチターン医療ダイアログデータセットをリリースする最初の試みを行っている。 それぞれの発話は, 疾患, 症状, 医療検査, 医療史, 治療, 薬品, その他の側面を含む7つの異なるカテゴリーの医療機関とアノテートする。 最後に,CDialogデータセットに基づくニューラルメディカルダイアログシステムを提案する。 対話生成には予め訓練された言語モデルを用い,アノテーテッド・メディカル・エンティティを取り入れ,患者の問合せに対応する仮想医師の反応を生成する。 実験結果から,提案したダイアログモデルにエンティティ情報を補足することで,応答品質を向上できることがわかった。

関連論文リスト

• RaDialog: A Large Vision-Language Model for Radiology Report Generation and Conversational Assistance [53.20640629352422]
  会話型AIツールは、所定の医療画像に対して臨床的に正しい放射線学レポートを生成し、議論することができる。 RaDialogは、ラジオロジーレポート生成と対話ダイアログのための、初めて徹底的に評価され、公開された大きな視覚言語モデルである。 本手法は,報告生成における最先端の臨床的正確性を実現し,報告の修正や質問への回答などのインタラクティブなタスクにおいて,印象的な能力を示す。
  論文  参考訳（メタデータ） (2023-11-30T16:28:40Z)
• MidMed: Towards Mixed-Type Dialogues for Medical Consultation [12.676937863407542]
  ほとんどの医療対話システムは、患者が医療相談の前に明確な目標(医療問合せ、外科手術問合せなど)を持つことを前提としている。 医療知識が不足しているため、患者が必要な全てのスロットで明確な目標を決定することは、通常困難である。 そこで我々は,MidMedと呼ばれる人-人-人-混在型医療相談対話コーパスを提案する。
  論文  参考訳（メタデータ） (2023-06-05T14:36:31Z)
• 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)
• 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)
• A Benchmark for Automatic Medical Consultation System: Frameworks, Tasks and Datasets [70.32630628211803]
  本稿では,医師と患者との対話理解とタスク指向インタラクションという,医療相談の自動化を支援する2つの枠組みを提案する。 マルチレベルな微粒なアノテーションを付加した新しい大規模医療対話データセットが導入された。 本稿では,各タスクに対するベンチマーク結果のセットを報告し,データセットのユーザビリティを示し,今後の研究のベースラインを設定する。
  論文  参考訳（メタデータ） (2022-04-19T16:43:21Z)
• 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)
• 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)
• Towards Conversational Recommendation over Multi-Type Dialogs [78.52354759386296]
  ボットは、非推奨ダイアログからレコメンデーションダイアログへの会話を積極的に自然に導くことができる。 この課題の研究を容易にするために,人間と人による中国語対話データセットemphDuRecDial(約10k対話,約156k発話)を作成する。 各ダイアログでは、リコメンデータが積極的にマルチタイプのダイアログを導き、レコメンデーションターゲットにアプローチし、リッチなインタラクション動作で複数のレコメンデーションを行う。
  論文  参考訳（メタデータ） (2020-05-08T11:01:21Z)
• MedDialog: Two Large-scale Medical Dialogue Datasets [27.619211324563498]
  我々はMedDialog-ENとMedDialog-CNという2つの大規模医療対話データセットを構築した。 MedDialog-ENは、患者と医師間の0.3万の会話と0.5万の発話を含む、英国のデータセットである。 MedDialog-CNは、1100万の会話と400万の発話を含む中国のデータセットである。
  論文  参考訳（メタデータ） (2020-04-07T13:07:09Z)

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。