原文服务方: 微电子学与计算机       
摘要:
医疗事件抽取是构建医疗知识图谱的重要基础.针对医疗领域有标签数据匮乏的问题,构建基于Transformer编码器、BiLSTM和注意力机制的医疗事件联合抽取模型,并提出一种用于选择高置信度数据的伪标签置信选择算法.首先,训练医疗事件联合抽取模型对无标签数据进行预测产生伪标签数据;然后,通过计算伪标签一致概率P来选择高置信度的伪标签数据,将其加入原有数据中重新训练联合抽取模型;最后,使用更新的医疗事件联合抽取模型对电子病历中肿瘤原发部位、病灶大小和转移部位事件进行抽取,并使用多数投票得到最终的抽取结果.以2020年全国知识图谱与语义计算大会(CCKS2020)中面向中文电子病历的医疗事件抽取任务语料作为实验数据,实验结果表明,本文提出方法获得了较好的医疗事件抽取结果.
推荐文章
基于 Hessian半监督特征选择的网络图像标注
网络图像标注
半监督学习
Hessian 能
特征选择
一种半监督的多标签Boosting分类算法
Boosting算法
半监督学习
多标签分类
基于sentence2vec与半监督算法的中文问答提问模式抽取
关系抽取
提问模式
条件随机场
自举
句向量
一种基于受限约束范围标签传播的半监督学习算法
概率转移矩阵
受限约束范围
标签传播
半监督学习算法
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于伪标签置信选择的半监督医疗事件抽取
来源期刊 微电子学与计算机 学科
关键词 医疗事件抽取 知识图谱 注意力机制 联合抽取 伪标签 电子病历 多数投票
年,卷(期) 2022,(1) 所属期刊栏目 计算机工程与应用
研究方向 页码范围 71-79
页数 8页 分类号 TP391
字数 语种 中文
DOI 10.19304/J.ISSN1000-7180.2021.0448
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2022(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
医疗事件抽取
知识图谱
注意力机制
联合抽取
伪标签
电子病历
多数投票
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
微电子学与计算机
月刊
1000-7180
61-1123/TN
大16开
1972-01-01
chi
出版文献量(篇)
9826
总下载数(次)
0
总被引数(次)
59060
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导