采用Transformer-CRF的中文电子病历命名实体识别

• 作者: 康晓东 张华丽 李博 王亚鸽 白放 陈亚媛
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 电子病历(EMR) 命名实体识别 Transformer 条件随机场(CRF)
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 153-159
• 页数: 7页
• 分类号: TP391
• 字数: 7717字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1909-0211

摘要

命名实体识别是自然语言处理的基本任务之一.针对中文电子病历命名实体识别传统模型识别效果不佳的问题,提出一种完全基于注意力机制的神经网络模型.实验采用自建真实中文电子病历数据集并对数据集进行人工标注、分词等预处理;对Transformer模型进行训练优化,以提取文本特征;利用条件随机场对提取到的文本特征进行分类识别.为验证所提方法的有效性,将构建的Transformer-CRF神经网络模型与其他7种传统模型进行比较研究,实验采用精确率、召回率和F1值三个指标评估模型的识别性能.实验结果显示,在同一语料集下,Transformer-CRF模型对身体部位类的命名实体识别效果较好,F1值高达95.02％;且与其他7种传统模型相比,Transformer-CRF模型的精确率、召回率和F1值均较高,在一定程度上验证了所构建模型具有较好的识别性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李博	天津医科大学医学影像学院	33	67	5.0	6.0
2	康晓东	天津医科大学医学影像学院	51	215	9.0	12.0
3	王亚鸽	天津医科大学医学影像学院	9	6	2.0	2.0
4	张华丽	天津医科大学医学影像学院	7	0	0.0	0.0
5	陈亚媛	天津医科大学医学影像学院	1	0	0.0	0.0
6	白放	天津医科大学医学影像学院	3	0	0.0	0.0