嵌入知识语义的医疗领域对话系统

由于领域知识图谱包含丰富的相应领域下实体及实体间关系的知识语义，能够为领域对话的回复提供重要参考，提出一种BERT融合BiLSTM的对话训练方法。基于医疗知识图谱，将知识语义的图谱信息融入对话系统，使用TransE模型将已有的医疗图谱数据融入多轮对话，通过扩充知识库的信息扩大对话系统的适用范围，对比GPT2和BERT模型在已有多轮对话数据集上的效果。实验结果表明，该方法F1值达到92.59%,满足了对话系统对回复严谨性的要求。