版权说明 操作指南
首页 > 成果 > 详情

融合汉字部首的BERT-BiLSTM-CRF中医医案命名实体识别模型

认领
导出
Link by 中国知网学术期刊 Link by 万方学术期刊
反馈
分享
QQ微信 微博
成果类型:
期刊论文
作者:
刘彬;肖晓霞;邹北骥;周展;郑立瑞;...
作者机构:
[刘彬; 肖晓霞; 邹北骥; 周展; 郑立瑞; 谭建聪] 湖南中医药大学信息科学与工程学院
语种:
中文
关键词:
实体识别;部首特征;BERT模型;双向长短期记忆模型;条件随机场;自然语言处理
关键词(英文):
entity recognition;radical features;BERT;bi-directional long short-term memory(BiLSTM);conditional random fields(CRF);natural language processing(NLP)
期刊:
医学信息学杂志
ISSN:
1673-6036
年:
2023
卷:
44
期:
06
页码:
48-53
基金类别:
国家重点研发计划中医药现代化研究重点专项(项目编号:2017YFC1703306) 科技创新2030——“新一代人工智能”重大项目课题(项目编号:2018AAA0102102) 湖南省中医药管理局重点课题(项目编号:A2023048)。
机构署名:
本校为第一机构
院系归属:
信息科学与工程学院
摘要:
目的/意义 研究提取中医医案中医疗术语的方法,实现医案自动结构化,为医案知识发现提供结构化数据。方法/过程 提出一种BERT结合长短期记忆人工神经网络、条件随机场和部首特征的深度学习命名实体识别模型,在BERT词向量中嵌入汉字部首,采用双向长短期记忆人工神经网络提取实体特征,使用条件随机场进行序列预测。将人工标注的400份共计5万余字的医案按照3∶1划分为训练集和测试集,使用该模型识别中医医案中的身体部位、药物、症状、疾病4类命名实体。结果/结论 该模型在测试集F1值为84.81%,优于其他未嵌入部首的模型,表明该模型能够更有效地识别中医医案中的命名实体,更好地结构化医案。...
摘要(英文):
Purpose/Significance To study the method of extracting medical terms from Chinese medical records,to realize the automatic structure of medical records,and to provide structured data for knowledge discovery of medical records.Method/Process The paper proposes a deep lea...MORE Purpose/Significance To study the method of extracting medical terms from Chinese medical records,to realize the automatic structure of medical records,and to provide structured data for knowledge discovery of medical records.Method/Process The paper proposes a deep learn...

反馈

验证码:
看不清楚,换一个
确定
取消

成果认领

标题:
用户 作者 通讯作者
请选择
请选择
确定
取消

提示

该栏目需要登录且有访问权限才可以访问

如果您有访问权限,请直接 登录访问

如果您没有访问权限,请联系管理员申请开通

管理员联系邮箱:yun@hnwdkj.com