中国科学院自动化研究所机构知识库

对话文本理解是自然语言处理研究领域的热点和难点问题。对于对话的理解具有重要的科学研究意义和实际应用价值。例如，在医疗、电商、司法领域都存在着大量的对话文本。与普通形式的文本相比，对话文本更加困难，主要体现在：1）口语化严重；2）对话具有交互性，说话人风格不统一；3）对话具有主题性和知识性，隐式信息更多，需要额外知识引导。

本文主要面向对话形式的文本，以医疗领域对话作为实践对象，研究针对性的背景知识图谱构建、实体抽取、关系分类、实体链接和整体信息抽取问题，期望以医疗领域的研究作为基础，扩展到更多领域，或者更进一步，解决多领域的对话理解问题。

本文的主要贡献如下：

首先，探讨医疗知识图谱的构建方法，并提出一种构建症状知识图谱的方法，获得一个医疗症状图谱，作为后续工作的知识依托。

其次，提出面向对话文本的实体和关系标注数据集，医疗命名实体识别仍然采用基于序列标注的方法，明确实体的边界和类别标签，从而将口语化表达转化为规范表达；关系分类则完成了医学属性抽取的工作，采用了多种关系分类方法。此外，本章还尝试将对话文本中出现的实体链接到医疗知识图谱，从而帮助后续的自动诊断、病历质控等落地应用。

最后，提出一个面向整体对话的信息抽取方法，提出相关数据集标注方法，并提出基于深度匹配的信息抽取模型，获得对话内提及的重要医疗信息。实验结果表明本文提出的方法在窗口级别和对话级别上可以达到69.29的F值，说明本方法有较好的研究前景。

综上，本文主要研究一系列针对医疗对话的文本理解方法，以识别实体、关系以及抽取信息为目标，通过在医疗领域的实践，提升针对对话文本的自然语言理解关键技术水平。