基于深度学习和多特征融合的中文电子病历实体识别研究

• 作者: 刘亦卓 李晓艳 韩普
• 来源期刊: 南京大学学报（自然科学版）
• 学科: 工学
• 关键词: 医疗实体识别 深度学习 电子病历 人工神经网络
• 年，卷（期）: 2019,（6）
• 页码范围: 942-951
• 页数: 10页
• 分类号: TP391.1
• 字数: 6500字
• 语种: 中文
• DOI: 10.13232/j.cnki.jnju.2019.06.007

摘要

电子病历实体识别是医疗领域人工智能和医疗信息服务中非常关键的基础任务.为了更充分地挖掘电子病历中的实体语义知识以提升中文医疗实体识别效果,提出融入外部语义特征的中文电子病历实体识别模型.该模型首先利用语言模型word2vec将大规模的未标记文本生成具有语义特征的字符级向量,接着通过医疗语义资源的整合以及实体边界特征分析构建了医疗实体及特征库,将其与字符级向量相拼接以更好地挖掘序列信息,最后采用改进的Voting算法将深度学习结果与条件随机场(Conditional Random Fields,CRF)的结果加以整合来纠正标签偏置.实验表明,融入外部语义特征的改进模型的F值达到94.06％,较CRF高出1.55％.此外,还给出了模型最佳效果的各项参数.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	韩普	南京邮电大学管理学院	16	41	4.0	6.0
5	刘亦卓	南京大学信息管理学院	1	1	1.0	1.0
6	李晓艳	南京医科大学基础医学院	1	1	1.0	1.0