贾丽娜 陈 恒,2 李冠宇

1(大连海事大学计算机科学与技术系 辽宁 大连 116026) 2(大连外国语大学语言智能研究中心 辽宁 大连 116044)

0 引 言

随着互联网的发展及应用，线上医疗咨询越来越受欢迎，如寻医问药、好大夫和求医等平台。此类平台可以实现用户和专家无挂号交流。用户可以向专家发送病情，并得到专家回复。但是随着用户数量的增加，待解决的问题增加，难以保证24小时高质量服务。这为医生回复带来了负担，也降低了用户体验。为了解决等待时间延长的问题，设计了一个将问句与答案相匹配、自动选出最合适的答案自动问答系统。

在医疗问答服务中，存在着许多对于同一症状使用相似却不同的单词和句子进行描述，这些描述为实现医疗问答系统提供了可能。传统的问答系统采用信息检索[1-2]、手工规则[3-4]和浅层机器学习[5-6]等方法，这些方法只能获取浅层的特征和语句关系，深层特征仍需要人工获取，因此机器模型缺乏泛化能力。

近年来，最流行的方法是使用深度学习进行问答对匹配，其关键是如何有效地获取句子中重要的特征信息和关系。卷积神经网络CNN模型能够通过卷积层和池化层获取句子中局部位置不变的特征信息[7,21]。在CNN上改进的多尺度卷积神经网络(Multiscale Convolutional Neural Network, Multi-CNN)和堆栈卷积神经网络(stack Convolutional Neural Network,stack-CNN)等模型也在应用上取得了显著的效果。循环神经网络RNN[8]以及其变体长短期记忆网络(Long Short-Term Memory, LSTM)[9,22-23]和门控网络(Gated Recurrent Unit, GRU)[10]模型在考虑句子长距离依赖关系问题上被广泛应用。……