基于BLSTM的临床文本实体关系抽取

• 作者: 关鹏举 曹春萍
• 来源期刊: 软件
• 学科: 工学
• 关键词: 实体关系抽取 临床文本 特征提取 双向长短期记忆网络
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 设计研究与应用
• 页码范围: 159-162
• 页数: 4页
• 分类号: TP391.1
• 字数: 3783字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6970.2019.05.030

摘要

实体关系的提取是构建知识库的重要组成部分,对临床文本实体关系的研究可以促进医疗卫生的发展.传统针对实体关系抽取的方法大多是基于规则或是机器学习,需要领域专家来制定大量特征,而且特征的多少和准确性同时影响关系抽取结果的准确性.为了能更好的提取文本特征,同时减少手工制造特征带来的麻烦,该文提出使用双向长短期记忆网络(BLSTM),利用该模型提取句子级语义特征,从而达到更好的实体关系抽取效果.通过对比其他模型,证实了该模型的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曹春萍	上海理工大学光电信息与计算机工程学院	52	244	8.0	13.0
2	关鹏举	上海理工大学光电信息与计算机工程学院	2	2	1.0	1.0