基于领域词典与CRF双层标注的中文电子病历实体识别

• 作者: 张知菲 龚乐君
• 来源期刊: 工程科学学报
• 学科: 工学
• 关键词: 中文电子病历 医疗实体识别 领域词典 条件随机场 注意力机制
• 年，卷（期）: 2020,（4）
• 页码范围: 469-475
• 页数: 7页
• 分类号: TP391.1
• 字数: 5013字
• 语种: 中文

摘要

医疗实体识别是电子病历文本信息抽取的基本任务.针对中文电子病历文本复合实体较多、实体长度较长、句子成分缺失严重、实体边界不清的语言特点以及标注语料难以获取的现状,提出了一种基于领域词典和条件随机场(CRF)的双层标注模型.该模型通过对外部资源的统计分析构建医疗领域词典,再结合条件随机场,进行了两次不同粒度的标注,将领域词典识别的准确性和机器学习的自动性融为一体,从中文电子病历文本中识别出疾病、症状、药品、操作四类医疗实体.该模型在测试数据中的宏精确率为96.7％、宏召回率为97.7％、宏F1值为97.2％.同时对比分析了采用注意力机制的深度神经网络的识别效果,因受到领域数据集大小的限制,在该测试数据集中后者表现不佳.实验结果表明了该双层标注模型对中文医疗实体识别的高效性.