在智能问诊中，为了让医生快速提出合理的反问以提高医患对话效率，提出了基于深度神经网络的反问生成方法。首先获取大量医患对话文本并进行标注；然后使用文本循环神经网络（TextRNN）、文本卷积神经网络（TextCNN）二种分类模型分别对医生的陈述进行分类；再利用双向文本循环神经网络（TextRNN-B）、双向变形编码器（BERT）分类模型进行问题触发；设计六种不同的问答选取方式来模拟医疗咨询领域情景，采用开源神经机器翻译（OpenNMT）模型进行反问生成；最后对已生成的反问进行综合评估。实验结果表明，使用TextRNN进行分类优于TextCNN，利用BERT模型进行问题触发优于TextRNN-B，采用OpenNMT模型在Window-top方式下实现反问生成时，使用双语评估替补（BLEU）和困惑度（PPL）指标进行评价的结果最好。所提方法验证了深度神经网络技术在反问生成中的有效性，可以有效解决智能问诊中医生反问生成的问题。
