基于双向GRU神经网络的医学文本PICO成分识别

• 作者: 龚乐君 姚凌峰 高志宏 李华康
• 来源期刊: 陕西师范大学学报（自然科学版）
• 学科: 工学
• 关键词: 循证医学 GRUCM模型 PICO成分 双向门控循环单元 神经网络
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 数据挖掘专题
• 页码范围: 14-21
• 页数: 8页
• 分类号: TP391
• 语种: 中文

摘要

针对传统机器学习模型在识别PICO(population/problem,intervention,comparison and outcome)成分时存在特征提取不充分的问题,本文提出了一种自动识别医学文本中PICO成分的GRUCM模型,该模型融合了双向门控循环单元(bi-bated recurrent unit,BiGRU)神经网络和条件随机场(conditional random field,CRF)的优点,不仅能改善传统机器学习模型存在的特征抽取不足的问题,而且可以同时抽取出多个成分,避免创建多个模型而造成的资源浪费.该模型在测试数据上P成分的F1值为88.24％,I成分的F1值为80.49％,O成分的F1值为86.62％,与采用长短期记忆网络(long short-term memory,LSTM)和CRF模型的识别效果进行对比,本文提出的GRUCM模型对PICO成分的识别更有效.