基于CNN-CRF的中文电子病历命名实体识别研究

• 作者: 周应华 曹依依 李智星 申发海
• 来源期刊: 重庆邮电大学学报（自然科学版）
• 学科: 工学
• 关键词: 实体识别 中文电子病历 卷积神经网路 条件随机场
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 计算机与自动化
• 页码范围: 869-875
• 页数: 7页
• 分类号: TP391.1
• 字数: 4971字
• 语种: 中文
• DOI: 10.3979/j.issn.1673-825X.2019.06.017

摘要

智慧医疗技术的发展让我们不满足仅使用传统方法做医学研究.针对中文电子病历实体识别问题,设计了一种基于卷积神经网络结合条件随机场(convolutional neural network-conditional random field,CNN-CRF)的实体识别算法框架.为得到高质量的词向量,将标注实体加入词典进行分词,并将已标注和未标注文本作为语料,用word2vec工具对已分词文本进行无监督学习;为避免扩张卷积层数增加导致过拟合,采用迭代扩张卷积处理输入向量,并使用dropout随机丢弃一些连接;运用条件随机场对网络的分类结果进行修正.把该方法在中文电子病历上进行对比试验,从病历中提取出身体部位,疾病,症状,检查及治疗5类实体.实验结果表明,该方法能有效地辨别病历中的实体,其识别的准确率、召回率和f1值分别为90.01％,90.62％,90.31％,准确率和速率比传统方法都有一定提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周应华	重庆邮电大学计算机科学与技术学院	14	25	3.0	4.0
3	李智星	重庆邮电大学计算机科学与技术学院	8	43	2.0	6.0
7	申发海	重庆邮电大学计算机科学与技术学院	4	2	1.0	1.0
9	曹依依	重庆邮电大学计算机科学与技术学院	1	1	1.0	1.0