基于强化学习的医疗问题诉求分类

作     者：吴昊 黄德根 林晓惠 WU Hao;HUANG Degen;LIN Xiaohui

作者机构：大连理工大学计算机科学与技术学院辽宁大连116024 

出 版 物：《中文信息学报》 (Journal of Chinese Information Processing)

年 卷 期：2021年第35卷第3期

页      面：100-106页

核心收录：

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(U1936109 61672127) 

主　　题：强化学习 Bi-LSTM 注意力机制 

摘      要：医疗问题诉求分类属于文本分类,是自然语言处理中的基础任务。该文提出一种基于强化学习的方法对医疗问题诉求进行分类。首先,通过强化学习自动识别出医疗问题中的关键词,并且对医疗问题中的关键词和非关键词赋予不同的值构成一个向量;其次,利用该向量作为attention机制的权重向量,对Bi-LSTM模型生成的隐含层状态序列加权求和得到问题表示;最后通过Softmax分类器对问题表示进行分类。实验结果表明,该方法比基于Bi-LSTM模型的分类结果准确率提高1.49%。