随着互联网的发展,网络数据井喷式增长,出现了很多医疗社区,越来越多人开始使在医疗问答社区进行信息获取和问诊。医疗社区利用在线医生提供就诊服务的同时,也会利用积累的数据提供信息检索服务,但主要都是基于搜索引擎的关键词匹配返还一堆相关问题和答案文档,不能深入理解用户问句的语义信息。问答系统因为能返回一个确定的答案而不是一堆仍需用户筛选的文档,成为了当下研究热点。基于深度学习的问答系统是将答案确认过程看成一个问句和候选答案语义匹配的过程,目前研究主要有两个研究方向:利用多种网络组合来增强网络特征提取能力;用注意力机制识别问题意图,突出问题和答案的交互信息。但是利用多种组合的深度神经网络来提取问答句深层特征时,往往利用网络最后一层的特征作为句子特征表示,而没有有效利用中间各层提取的特征;在利用注意力机制捕获问题答案相关信息时,也是用最终的问句特征对答案特征加权筛选,而没有考虑中间每一相同层间问题、答案的交互信息。考虑到去医院就诊挂号确定科室时,病人受限于自己掌握的医疗知识有时并不清楚自己需要挂的科室;同样,用户通过医疗社区进行咨询就诊时,也需要按科室类别(如内科,五官科,妇产科)选择医生,但有的用户并不能确定自己的病属于哪一科,据我所知,到目前为止还没有相关方面的研究。针对以上问题,本文主要研究工作如下:(1)本文首次将深度学习和自然语言处理技术应用于解决医疗挂号问题,将病人看病挂号选择科室的问题建模成问句分类问题。基于医疗社区积累的数据,本文利用Bi-LSTM结合注意力机制训练了一个分类器对病人问题分类。此外还用LSI文本相似度技术找到带标签数据集中最相似的问题,根据最相似问题的标签对分类器的结果进行校验。该挂号系统能方便用户线下就诊时确认挂号科室以及在网上医疗社区按科室找到自己需要的医生。(2)本文提出了一种多层融合的层间交互的问答匹配模型,利用多层特征融合的深度神经网络和多层层间注意力机制来解决问答匹配问题。多层的Bi-LSTM+CNN+CNN每层提取的特征进行拼接融合作为最终的问题、答案语义特征用于进行问答匹配和答案打分;在每层对问题、答案特征提取时都加入注意力机制,来突出答案和问题相关的特征。相比起用深度神经网络最后一层特征,本模型综合利用每一层的特征,最终的表示特征语义信息更充分;在每一相同层间利用注意力机制有利用及时的捕获问答交互信息。(3)针对中文利用词向量时需要进行分词、去停用词等复杂的处理,另外虽然现在中文分词工具比较成熟,但受限于医疗特定领域专业名词的存在,有些专业词汇分词识别不准会直接影响下游模型性能,而构建专业领域字典虽然能解决这一问题,但任务量大,并且移植性差,利用字向量不需要分词可避免上述问题。因此,本文在进行问答语义匹配时,除了用词向量进行模型训练的同时,也用字向量进行实验,研究字向量的有效性和可行性。(4)利用医疗社区的数据,和上述挂号模型以及问答匹配模型,设计了一个医疗问答系统,来解决用户挂号问题,以及问答需求。其问答模块,相对于医疗社区信息检索服务是基于关键词匹配返回和用户问题相关的一堆问题和相应答案文档,本文设计的问答系统,是利用多层融合特征交互的问答匹配模型对问题和候选答案进行深度语义匹配后打分,返回一个确定答案。