中文医疗实体的弱监督识别方法

• 作者: 张晓桐 徐书世 王丹 王晓曦 赵青
• 来源期刊: 哈尔滨工程大学学报
• 学科: 工学
• 关键词: 命名实体识别 弱监督 语义特征 医疗本体 自然语言处理 循环神经网络 深度学习 医疗电子病历
• 年，卷（期）: 2020,（3）
• 页码范围: 425-432
• 页数: 8页
• 分类号: TP312
• 字数: 7822字
• 语种: 中文
• DOI: 10.11990/jheu.201812025

摘要

为了提高命名实体识别的准确率并降低人工标注成本,本文提出了一种将中文医疗领域广泛存在的本体库作为补充知识源的基于RNN的弱监督的命名实体识别方法,即基于医疗本体提取语义概念特征并与字词向量特征进行融合来构建命名实体识别模型.采用CBOW模型来提取语义特征(包括概念特征和词特征),在语义特征的基础上利用CEW模型提取字符特征,将语义特征和字符特征结合并通过深度学习模型RNN来获得中文医疗文本中的标签序列.基于真实医疗文本数据集进行对比实验表明:所提出的方法比传统模型准确率提高了2.2％～6.1％,验证了其在实际应用中的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王丹	北京工业大学信息学部	51	234	8.0	12.0
2	赵青	北京工业大学信息学部	9	57	5.0	7.0
3	徐书世	北京工业大学信息学部	1	0	0.0	0.0
4	王晓曦		1	0	0.0	0.0