基于多特征融合的中医药问题生成模型.pdfVIP

ArtificialIntelligenceandRoboticsResearch人工智能与机器人研究,2024,13(3),673-683

PublishedOnlineAugust2024inHans./journal/airr

/10.12677/airr.2024.133068

基于多特征融合的中医药问题生成模型

酒敬天，李红莲

北京信息科技大学信息与通信工程学院，北京

收稿日期：2024年7月16日；录用日期：2024年8月21日；发布日期：2024年8月30日

摘要

目的：提出一种基于多特征融合的中医药问题生成模型(MFFQG)，以改善现有的自动生成技术在处理特

定领域时存在的领域关键词信息缺失和生成问题表达不规范问题。方法：利用RoBERTa向量和五笔向量

捕捉输入序列的语义特征和字形特征，同时融合句法信息和所构建的中医药领域主副关键词信息，将得

到的多特征向量信息送入UniLM生成模型得到生成结果，实现对中医药领域问题的自动生成。结果：

MFFQG模型融合多种特征，在Rouge-1、Rouge-2、Rouge-L评价指标上分别达到64.93%、34.57%、

63.05%。局限：数据主要来源于中医药领域，在其他领域中的效果有待验证。结论：MFFQG模型相较

于对比模型，可以显著提升中医药问题的生成质量。

关键词

中医药，问题生成，句法分析，五笔特征

ATraditionalChineseMedicineQuestion

GenerationModelBasedonMulti-Feature

Fusion

JingtianJiu,HonglianLi

SchoolofInformationandCommunicationEngineering,BeijingInformationScienceandTechnologyUniversity,

Beijing

thstth

Received:Jul.16,2024;accepted:Aug.21,2024;published:Aug.30,2024

Abstract

Objective:ToproposeatraditionalChinesemedicineproblemgenerationmodel(MFFQG)based

onmultifeaturefusion,inordertoimprovetheproblemsofmissingdomainkeywordinformation

andnon-standardexpressionofgenerationproblemsinexistingautomaticgenerationtechnolo-

文章引用:酒敬天,李红莲.基于多特征融合的中医药问题生成模型[J].人工智能与机器人研究,2024,13(3):673-683.

DOI:10.12677/airr.2024.133068

酒敬天，李红莲

gieswhendealingwithspecificfields.Method:UsingRoBERTavectorsandWubivectorstocap-

turethesemanticandglyphfeaturesoftheinputsequence,whileintegratingsyntacticinfor-

mationandtheconstructedmainandauxiliarykeywordinformationinthefieldoftraditional

Chinesemedicine,theobtainedmulti