《基于双向LSTM的症状频率位置注意力模型在医学领域问答系统的应用》为作者：张青川最新的研究成果，本论文的主要观点为在线医学智能问答系统作为传统医学服务系统的一个补充旨在对用户通过自然语言进行的医学方面的提问做出快速、简介的反馈。其技术挑战主要在于症状语义理解和用户描述表示。尽管基于“短语级”和众多的注意力模型已经取得了一定的性能提升，但词汇差距和位置信息没有被很好的重视。本文运用中文词林和word2vec相结合的方法，提出了近义词主词替换的机制（将普通词映射为核心词），实现了语义的归一化；同时，本文在双向LSTM模型的基础上，采用自适应权重分配技术和位置上下文相结合的方法，增强对疾病典型症状的关注，给予了临近词更多的注意力权重，提出了基于双向LSTM的症状频率位置注意力模型（BLSTM-SFPA）。在医疗领域数据集MED-QA上的对比实验显示BLSTM-SFPA模型有优良的性能，MAP最大改善率达到8。77%。现欲投《计算机学报》，不知是否符合录用要求，望您批评与指正。