基于深度学习的电子病历命名实体识别

• 作者: 夏宇彬 徐霄玲 赵逸凡 郑建立
• 来源期刊: 电子科技
• 学科: 工学
• 关键词: 电子病历 自然语言处理 深度学习 命名实体识别 多层感知机 长短期记忆网络
• 年，卷（期）: 2018,（11）
• 页码范围: 31-34,37
• 页数: 5页
• 分类号: TP391.1
• 字数: 3472字
• 语种: 中文
• DOI: 10.16180/j.cnki.issn1007-7820.2018.11.008

摘要

为了对电子病历进行有效的信息抽取,文中使用基于深度学习的算法对电子病历文本进行命名实体识别.选择多层感知机神经网络和长短期记忆神经网络两种结构建立算法模型,使用基于batch的后向传播算法训练模型,并使用标注好的200份病历进行训练和测试.结果显示,深度学习的算法比手动定义特征的条件随机场算法F1值高7.47％,证明了深度学习算法在电子病历命名实体识别任务中的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郑建立	上海理工大学医疗器械与食品学院	45	167	8.0	10.0
2	赵逸凡	上海理工大学医疗器械与食品学院	3	9	1.0	3.0
3	夏宇彬	上海理工大学医疗器械与食品学院	2	9	1.0	2.0
4	徐霄玲	上海理工大学医疗器械与食品学院	3	8	1.0	2.0