基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
主动学习通过选择现有模型中未充分训练的数据进行迭代训练,从而利用少量标注数据训练出较高性能的模型.传统的主动学习方法只关注数据本身的信息量而忽略了该数据是否孤立.论文提出一种改进的主动学习方法,利用相似病历中出现的词汇往往雷同的特点,以文档中文字的分布衡量其在样本集的普遍程度,并以此对信息量进行加权.而后实现该方法,并进行了与消极学习和传统主动学习方法的对比实验.结果表明,该方法相对消极学习与传统的主动学习方法,效果有明显提升,能够减少对标注数据的需求.
推荐文章
临床医学命名实体识别的病历质量筛选标准研究
电子病历
临床医学命名实体
病历质量
筛选标准
基于位置敏感Embedding的中文命名实体识别
命名实体识别
表示学习
Embedding
多尺度聚类
条件随机场
基于多特征融合的中文电子病历命名实体识别
中文电子病历
命名实体识别
多特征融合
条件随机场
中文电子病历命名实体标注语料库构建
中文电子病历(CEMR)
命名实体
标注语料库
标注规范
标注一致性(IAA)
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 中文电子病历命名实体识别的主动学习方法研究
来源期刊 中国数字医学 学科 医学
关键词 实体识别 主动学习 电子病历
年,卷(期) 2017,(10) 所属期刊栏目 信息化论坛
研究方向 页码范围 51-53
页数 3页 分类号 R319|TP391
字数 2719字 语种 中文
DOI 10.3969/j.issn.1673-7571.2017.10.017
五维指标
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
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (2)
节点文献
引证文献  (3)
同被引文献  (0)
二级引证文献  (0)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(1)
  • 参考文献(1)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2018(2)
  • 引证文献(2)
  • 二级引证文献(0)
2019(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
实体识别
主动学习
电子病历
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
中国数字医学
月刊
1673-7571
11-5550/R
大16开
北京市朝阳区光华路甲8号和乔大厦A座528A室
80-133
2006
chi
出版文献量(篇)
6783
总下载数(次)
21
论文1v1指导