基于深度学习的电子病历中实体关系抽取

• 作者: 关毅 吕新波 吴嘉伟
• 来源期刊: 智能计算机与应用
• 学科: 工学
• 关键词: 电子病历 实体关系抽取 特征选择 深度学习
• 年，卷（期）: 2014,（3）
• 页码范围: 35-38,41
• 页数: 5页
• 分类号: TP391
• 字数: 4727字
• 语种: 中文

摘要

电子病历中包含着医疗领域的丰富知识,对于医疗健康信息服务有着重要的意义.其中的概念实体之间的关系是医疗知识的重要组成部分,对于获取医疗领域中疾病、治疗、检查之间关系有着重要的意义.针对于电子病历中文本结构稀疏的特点,原有的基于词的特征表示效果有限,所以从特征选择的角度出发,提出了一种基于深度学习的特征学习,将有限的上下文特征进行进一步抽象表示的方法.实验中使用深度稀疏自动编码来对实体上下文的向量表示进行再表示,来得到更抽象和更有识别意义的特征.实验表明,本文使用的深度学习进行特征的再表示方法对于识别的召回率对比于基线实验有比较明显的提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	关毅	哈尔滨工业大学计算机科学与技术学院	56	1214	16.0	33.0
2	吕新波	哈尔滨工业大学计算机科学与技术学院	5	46	4.0	5.0
3	吴嘉伟	哈尔滨工业大学计算机科学与技术学院	1	22	1.0	1.0