结合自注意力的BiLSTM-CRF的电子病历命名实体识别OA北大核心CSTPCD
ELECTRONIC MEDICAL RECORD NAMED ENTITY RECOGNITION COMBINED WITH SELF-ATTENTION BILSTM-CRF
为弥补现有方法不能很好捕获电子病历实体之间的长距离依赖关系的缺陷,提出一种结合自注意力的BiLSTM-CRF的命名实体识别方法.将输入文本转成神经网络可识别的数值形式;经过BiLSTM网络并结合自注意力计算得到每个字的输出特征向量;通过C RF层找到句子最适合的输出标签序列,从而确定命名实体.采用CCKS2018数据集进行实验,结果表明,改进的命名实体识别方法对电子病历具有一定的适应性,且与现有的方法相比,测试集的准确率提高了6.50～9.25个百分点.
曾青霞;熊旺平;杜建强;聂斌;郭荣传
江西中医药大学岐黄国医书院 江西 南昌 330004江西中医药大学计算机学院 江西 南昌 330004江西中医药大学计算机学院 江西 南昌 330004江西中医药大学计算机学院 江西 南昌 330004江西中医药大学岐黄国医书院 江西 南昌 330004
信息技术与安全科学
电子病历命名实体识别自注意力BiLSTM-CRF
《计算机应用与软件》 2021 (3)
融合Softmax回归和偏最小二乘的中药数据分析方法研究
159-162,234,5
国家自然科学基金项目(61762051,61562045)江西省科技厅重点研发计划项目(20171ACE50021,20171BBG70108)江西省教育厅科学技术研究项目(GJJ170747).
评论