在线医疗文本中的实体识别研究

• 作者: 刘杰 苏娅 黄亚楼
• 来源期刊: 北京大学学报（自然科学版）
• 学科: 工学
• 关键词: 实体识别 数据挖掘 条件随机场 医疗信息
• 年，卷（期）: 2016,（1）
• 页码范围: 1-9
• 页数: 9页
• 分类号: TP391
• 字数: 6773字
• 语种: 中文
• DOI: 10.13209/j.0479-8023.2016.020

摘要

针对在线医疗文本,设计考虑医疗领域特性的识别特征,并在自建数据集上进行实体识别实验.针对常见的5类疾病:胃炎、肺癌、哮喘、高血压和糖尿病,采用近年来较先进的机器学习模型条件随机场,进行训练和测试,抽取目标实体包括疾病、症状、药品、治疗方法和检查5类.通过采用逐一添加特征的实验方式,验证所提特征的有效性,取得总体上81.26％的准确率和60.18％的召回率,随后对识别特征给出进一步分析.