基于语义图增强注意力网络的症状属性分类方法

来源：计算机应用研究杂志2026年第1期北京时间：

作者：贾鹤鸣,李伟,李波,张志东,

单位：中北大学极限环境光电动态测试技术与仪器全国重点实验室,太原030003；

摘要：医疗对话中的症状属性分类是实现自动诊断系统的关键任务之一，旨在识别对话文本中描述的症状所对应的属性类别。然而，现有方法在处理长文本对话时普遍存在上下文建模能力不足、语义依赖捕捉不充分等问题，导致整体分类性能受限，尤其在少数类样本上的表现欠佳。针对上述挑战，提出一种基于语义图增强注意力网络的症状属性分类方法。该方法通过构建症状关联的文本分割方法、融合编码策略以及基于依存树的关系图注意力网络，在多个层次上增强模型对症状上下文信息的建模能力。实验结果表明，所提方法在CHIPMDCFNPC数据集上取得了 72.13%的F1（+1.76%）和77.94%的宏平均F1值（+1.77%）。所提方法能够显著提升长文本医疗对话中症状属性分类的效果，尤其在少数类样本上的表现更为突出，为构建高效可靠的自动诊断系统提供了有益借鉴。

关键词：症状属性分类,文本分割,关系图注意力机制,

基金资助：海南省重点研发计划资助项目(ZDYF2022SHFZ304)；；