Sep, 2023

利用抽象意义表示改进医疗对话生成

PDF
TL;DR通过使用抽象意义表示（AMR）图构建对话中的语言要素和医学实体的图形表示，我们提出了一种模型病人和医疗专业人员之间对话的新框架，其中神经网络结合了文本和图形知识，采用双重注意机制，在医学对话生成方面的实验结果表明，我们的框架优于强基线模型，证明了 AMR 图在增强医学知识和逻辑关系的表示方面的有效性
medical dialogue generationtelemedicineabstract meaning representationsamr graphsneural networks
发现论文，激发创造
  • 对话建模的语义表示

    我们使用抽象意义表示（AMR）来协助神经对话建模，将 AMR 图形构建到对话系统中会更显著地提高对话理解和响应生成任务的效果。

    May, 2021

  • 基于语义的对话理解预训练

    本研究提出了一种基于语义学的预训练框架，使用抽象含义表示（AMR）来捕捉对话中的核心语义信息，实验证明其在闲聊和任务导向对话的理解上比标准预训练框架更具优势，并且是首次在对话预训练中利用了深层语义表示。

    Sep, 2022

  • 用双图表示增强 AMR 到文本生成

    提出了一种新的基于图的序列模型，能够有效地对 AMR 图进行编码，借助不同的顶部和底部节点表示以及节点传递策略，实现了更好的文本生成表现，并在两个 AMR 数据集上达到了最先进的结果。

    Sep, 2019

  • 多文档摘要的抽象意义表示

    本文研究将多篇文档进行内容归纳的可行性，并提出了使用 Abstract Meaning Representation（AMR）作为形式化内容表示的方法，通过将源文档压缩为 AMR 标准的摘要图，再将摘要图转换为一组摘要句子的表层实现步骤。实验结果表明，该方法具有良好的潜力，并描述了进一步研究的机会和挑战。

    Jun, 2018

  • 视觉语义分析：从图像到抽象意义表征

    本文提出了使用自然语言处理（NLP）中广泛使用的抽象意义表述（AMR）来建立更具有语言信息的图片抽象表述（称为视觉 AMR 图），并通过重复试验和分析表明，我们可以重用现有的文本到 AMR 分析器来分析图像到 AMRs 的转换。

    Oct, 2022

  • 不缺标记数据了：只需添加语义 —— 一种用于推断在线健康文本的数据高效方法

    通过使用抽象意义表示（AMR）图对从各种在线健康资源和社区获取的低资源健康 NLP 任务进行建模，我们的实验表明，通过将文本嵌入与语义图嵌入相结合，可以提高 6 个低资源健康 NLP 任务的性能。

    Sep, 2023

  • 使用抽象意义表示导向神经语言生成进行摘要生成

    本文提出了通过 Abstract Meaning Representation (AMR) 结合神经语言生成模型的抽象摘要方案，使用源文档进行指导可以提高抽象摘要的质量，并在 ROUGE-2 测试中表现优异。

    Aug, 2018

  • 鲁棒子图生成改进抽象意义表示解析

    本文提出了一种新方法，通过文本段的转换来生成 AMR 子图，从而提高 AMR 的 parsing 效果，进而提高自然语言处理和机器翻译等领域的性能表现。

    Jun, 2015

  • 基于语义的神经机器翻译：使用 AMR

    研究表明，通过在神经机器翻译中使用抽象意义表示（AMR）作为额外知识，可以显著改善一种强的基于注意力的序列到序列神经翻译模型在标准英德数据集上的翻译表现。

    Feb, 2019

  • 利用抽象意义表示的文本摘要

    研究了基于 Abstract Meaning Representation（AMR）的文本自动摘要方法，进行了全面的文本摘要流程探索，提出了一种 AMR 图的生成和基于此图的文本摘要生成方法，在 AMR 文本摘要任务上取得了最先进的结果，并指出了现有的文本摘要质量评估方法存在的问题。

    Jun, 2017