题目： Learning Contextualized Document Representations for Healthcare Answer Retrieval

摘要： 我们提出了 Contextual Discourse Vectors(CDV)，这是一种分布式的文档表示，可用于从较长的医疗文档中有效地检索答案。我们的方法基于来自自由文本和医疗分类法的实体和aspects的结构化查询元组。我们的模型利用hierarchical LSTM层和多任务训练的双重编码器体系结构来编码临床实体的位置和aspects。我们使用连续表示来解决具有短延迟的查询，在句子级使用近似近邻搜索。我们将CDV模型应用于网上的9个英语公共卫生资源中检索连贯的回答段落，以解决患者和医疗专业人员的问题。由于没有适用于所有应用程序场景的端到端训练数据，我们使用来自Wikipedia的自监督数据来训练我们的模型。我们证明了我们的模型显著地优于几个最先进的healthcare passage ranking基准，并且能够适应不需要额外微调的异构领域。

地址：

https://arxiv.org/abs/2002.00835

专知便捷查看

便捷下载，请关注专知公众号（点击上方蓝色专知关注）

• 后台回复“CDV” 就可以获取《基于上下文文档表示学习的医疗答案检索》专知下载链接

专知，专业可信的人工智能知识分发，让认知协作更快更好！欢迎注册登录专知www.zhuanzhi.ai，获取5000+AI主题干货知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程资料和与专家交流咨询！

点击“ 阅读原文 ”，了解使用 专知 ，查看获取5000+AI主题知识资源