随着现代医学技术的飞速发展,脑卒中患者的死亡率相对下降,但脑卒中以其高致残率的特点,仍然是困扰我国医护人员跟患者的难题。针对我国认知语言障碍患者特点,结合MoCA(Montreal Cognitive Assessment蒙特利尔认知评估量表)、MMSE(mini-mental state examination简易智能精神状态检查量表)、NCSE(Neurobehavioral Cognitive Status Examination神经行为认知状况测试)等认知评定量表,设计了一套集数据管理分析及训练为一体的认知语言功能康复软件系统。该系统的研发和应用以虚拟环境技术结合临床实践经验作为基础,能够对不同方面的认知语言功能进行治疗和训练。此外,与系统配套使用的符合人体工学的触屏式操作台的设计,使患者训练操控更为简单。
多轮对话是人工智能领域的一个重要分支.如何从多轮对话上下文中正确提取与问题相关的核心内容是多轮对话任务的关键问题.现有模型存在辅助任务低效,对全局与局部信息的筛选不够充分,对较短的多轮对话数据学习能力不足等问题.针对上述问题,本文提出了一种局部信息增强且能够感知对话结构的多轮对话模型(Structure-aware Dialogue Model with Fine-grained Local Information,SAFL).针对子任务训练代价大的问题,提出了随机滑动窗口回复预测任务,在多轮对话上下文中的不同位置与大小的窗口内进行回复预测,充分学习细粒度的局部对话语义.针对信息筛选不够充分的问题,提出了重点局部信息蒸馏机制,借助多门控融合方法从全局和局部信息之中蒸馏出重点信息,提升模型融合效果.针对模型对较短的多轮对话上下文学习能力不足的问题,提出阶段信息学习机制,在微调前加强预训练语言模型对短多轮对话数据的领域学习,降低微调阶段中对短多轮对话的学习难度.此外,SAFL设计了对话结构感知任务在对话结构方面进一步加强模型对对话上下文的理解能力.Ubuntu和E-commerce数据集上的实验结果表明,SAFL模型的总体性能优于对比模型.