基于深度学习的疾病命名实体识别

• 作者: 何云琪 袁源 钱龙华
• 来源期刊: 福建电脑
• 学科: 工学
• 关键词: 疾病实体识别 文本挖掘 深度学习
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 论著
• 页码范围: 39-42
• 页数: 4页
• 分类号: TP391
• 字数: 2895字
• 语种: 中文
• DOI: 10.16707/j.cnki.fjpc.2019.03.009

摘要

疾病命名实体识别是生物医学领域文本挖掘的最基础任务之一.基于当前流行的深度学习方法,本文采用BiLSTM-CNN-CRF模型来识别生物医学文献中的疾病命名实体.该模型首先用卷积神经网络(CNN)来获取字符级的词向量表示,然后利用双向长短时记忆网络(BiLSTM)来获取单词的隐含表示,最后使用条件随机场(CRF)模型输出疾病实体的标签.实验结果表明,与传统模型相比,深度学习方法在疾病命名实体识别任务上有显著的优势,最终该模型在NCBI语料库上的取得84.47％的F1值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	钱龙华	苏州大学计算机科学与技术学院	45	312	9.0	16.0
2	袁源	苏州大学计算机科学与技术学院	2	0	0.0	0.0
3	何云琪	苏州大学计算机科学与技术学院	5	5	2.0	2.0