Resumen

Los sistemas de respuesta a preguntas (QA) se están convirtiendo en el centro de atención de la investigación en el ámbito de la salud médica en lo que se refiere a proporcionar respuestas rápidas y precisas a los usuarios. Numerosos sistemas tradicionales de garantía de calidad se enfrentan a simples preguntas objetivas y no obtienen respuestas precisas a preguntas complejas. Con el fin de hacer realidad el sistema inteligente de garantía de calidad para el diagnóstico y tratamiento de enfermedades en la informatización médica, en este artículo proponemos un algoritmo de fusión de puntuaciones de pruebas en profundidad para el sistema inteligente chino de respuesta a preguntas médicas, que puede medir la información del texto de muchas formas algorítmicas y garantizar que el sistema de garantía de calidad produzca con precisión la respuesta candidata óptima. A nivel semántico, se propone una nueva puntuación de evidencia semántica de texto basada en Word2vec, que puede calcular la similitud semántica entre textos. Los resultados experimentales sobre el corpus de textos médicos muestran que el algoritmo de fusión de puntuación de evidencias en profundidad tiene un mejor rendimiento en el módulo de puntuación de evidencias del sistema inteligente de garantía de calidad.

• Materias:Señales orofaciales Clasificación del cáncer Terapia de exposición Resonancias magnéticas Medicina de precisión
• Subjects:Orofacial signals Cancer classification Exposure therapy Magnetic resonance imaging Precision medicine
• Palabras claves:algoritmo de fusión de puntuación de pruebas en profundidad, sistema inteligente de garantía de calidad, respuestas precisas, sistema chino de respuesta inteligente a preguntas médicas, numerosos sistemas tradicionales de garantía de calidad, resultados del sistema de garantía de calidad, muchas formas algorítmicas, corpus de textos médicos, respuesta candidata óptima, puntuación de pruebas semánticas
• Keywords:depth evidence score fusion algorithm, intelligent QA system, accurate answers, Chinese Medical Intelligent Question Answering System, Numerous traditional QA systems, QA system outputs, many algorithmic ways, medical text corpus, optimal candidate answer, semantic evidence score