基于结合多头注意力机制BiGRU网络的生物医学命名实体识别

• 作者: 刘文印 康培培 徐凯 李振彰 王崎 谢峰
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 命名实体识别 深度学习 医学词典
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 人工智能与识别
• 页码范围: 151-155,232
• 页数: 6页
• 分类号: TP309.7
• 字数: 3711字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2020.05.027

摘要

生物医学命名实体识别(BNER)对促进医学信息学研究具有重要意义.针对现有方法识别精度和效率低,特别是不能很好识别组成复杂和罕见的生物医学名称问题,提出一种基于词典注意力双向门控循环单元神经网络和CRF(DABGC)BNER的方法.通过一种高效多模态匹配方法对生物医学词典进行高效匹配,使用双向GRU网络输出包含上下文信息的隐状态.引入多头注意力机制解析词之间的联系,通过权重的方式将词典匹配结果和注意力机制进行结合,融合CRF计算出最优标签序列.在NCBI疾病和BC5CDR化学数据集上,DABGC获得最高F1分数分别为0.868和0.921.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谢峰	广东工业大学计算机学院	7	14	3.0	3.0
2	刘文印	广东工业大学计算机学院	13	4	1.0	1.0
3	徐凯	贵州财经大学贵阳大数据金融学院	5	13	2.0	3.0
7	王崎	广东工业大学计算机学院	4	2	1.0	1.0
8	李振彰	广东技术师范大学数学与系统科学学院	2	0	0.0	0.0
9	康培培	广东工业大学计算机学院	3	0	0.0	0.0