换一批基于大语言模型的在线问诊医疗主题识别:以医患交流文本为驱动
Identification of Healthcare Topics in Online Consultations Based on Large Lan-guage Models:Driven by Doctor-Patient Communication Texts
摘要现实医患交流中存在患者自诉文本过于主观、医生响应文本过于专业的问题.针对医患文本交流中的医疗主题识别问题,文章借助大语言模型(Large Language Models,LLMs)处理文本的优势,在多种提示词策略混合框架下,嵌入医疗主题体系、专业术语库和关键词库,设计了面向在线问诊医疗主题识别的综合性提示词.然后,基于所设计的提示词对比了5个异质LLMs(GPT-4o-mini、ERNIE4.0、DeepSeek-V3、ChatGLM-4和Qwen-Plus)不同组合识别医疗主题的一致性.最后,提出了针对异质LLMs的三种集成方案:多数投票、除一投票和完全一致,并基于专家标注数据集对比分析了单LLM和三种方案的识别效果.结果表明:所设计的提示词具有较高的有效性、通用性和优越性;用药建议和手术判断主题展现了较高的一致性,治疗建议的一致性较低;单LLM中GPT-4o-mini的识别效果较好;多数投票具有较好的识别表现.
更多相关知识
关键词
大语言模型在线问诊医疗主题提示词集成方案Large Language Modelsonline consultationhealthcare topicprompt wordsintegration schemes
栏目名称
DOI
10.11968/tsyqb.1003-6938.2026034
发布时间
2026-05-22（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家自然科学基金（72371188）
上海第二工业大学基金（EGD25QD29）
- 浏览5
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
