Abstract
"中医药在临床诊断和治疗中发挥了不可或缺的作用。中医辨证辨病及中药处方生成任务包含两个富有挑战性的问题,包括中医多标签辨证辨病和中药处方推荐。由于缺乏高质量的标注数据,之前的方法大多需要引入外部数据,容易出现知识滞后的问题。因此,我们提出了一种融合大模型与可控文本生成的混合增强策略。具体而言,通过设计基于词汇独立性的数据增强,与微调大模型进行可控文本生成,在少量标注样本的基础上构建高质量扩展数据集。然后采用LoRA微调技术适配此任务。实验结果表明,该方案分别获得了0.553和0.4515的得分。在不需要引入额外数据的情况下,也能获得较好的效果。"
- Anthology ID:
- 2025.ccl-2.41
- Volume:
- Proceedings of the 24th China National Conference on Computational Linguistics (CCL 2025)
- Month:
- August
- Year:
- 2025
- Address:
- Jinan, China
- Editors:
- Hongfei Lin, Bin Li, Hongye Tan
- Venue:
- CCL
- SIG:
- Publisher:
- Chinese Information Processing Society of China
- Note:
- Pages:
- 347–354
- Language:
- URL:
- https://aclanthology.org/2025.ccl-2.41/
- DOI:
- Bibkey:
- Cite (ACL):
- Zicheng Zuo, Jiamin Ren, and Turdi Tohti. 2025. CCL25-Eval任务9系统报告:中医辨证辨病及处方生成中的少样本数据增强方法. In Proceedings of the 24th China National Conference on Computational Linguistics (CCL 2025), pages 347–354, Jinan, China. Chinese Information Processing Society of China.
- Cite (Informal):
- CCL25-Eval任务9系统报告:中医辨证辨病及处方生成中的少样本数据增强方法 (Zuo et al., CCL 2025)
- Copy Citation:
- PDF:
- https://aclanthology.org/2025.ccl-2.41.pdf