面向文本命名实体识别的深层网络模型

被引：10

作者：

李慧林 ^{[1
]}

柴玉梅 ^{[1
]}

孙穆祯 ^{[2
]}

机构：

[1] 郑州大学信息工程学院

[2] 华中科技大学公共管理学院

来源：

小型微型计算机系统 | 2019年 / 40卷 / 01期

关键词：

命名实体识别; 神经网络; 条件随机场; 数据挖掘;

D O I：

暂无

中图分类号：

TP391.1 [文字信息处理];

学科分类号：

081203 ; 0835 ;

摘要：

文本命名实体识别是信息抽取和预测的基本与关键任务,提出基于深层网络模型的命名实体识别方法,构建多种学习模型.首先对文本进行清洗并规范化,生成基本结构和表示方法,结合边界特征构建深层条件随机场模型,选择最优特征集训练.将文本表示为词向量形式,以向量作为深层神经网络的输入进行模型的训练,提出了基于块表示的BR-BiRNN、BR-BiLSTM-CRF命名实体识别深层网络模型,在I2B2 2006年和2014年评测数据集及妇产科真实医疗文本上实验,结果均比传统的SVM、HM M、CRF的F值高.

引用

页码：50 / 57

页数：8

共 6 条

[1] 融合迁移学习的中文命名实体识别 [J].

王红斌 ;

沈强 ;

线岩团 .

小型微型计算机系统, 2017, 38 (02) :346-351

[2] 中文电子病历命名实体和实体关系语料库构建 [J].

杨锦锋 ;

关毅 ;

何彬 ;

曲春燕 ;

于秋滨 ;

刘雅欣 ;

赵永杰 .

软件学报, 2016, 27 (11) :2725-2746

[3] 基于词表示方法的生物医学命名实体识别 [J].

李丽双 ;

何红磊 ;

刘珊珊 ;

黄德根 .

小型微型计算机系统, 2016, 37 (02) :302-307

[4]

Hidden Markov model using Dirichlet process for de-identification.[J].Tao Chen;Richard M. Cullen;Marshall Godwin.Journal of Biomedical Informatics.2015, S

[5]

Automatic de-identification of electronic medical records using token-level and character-level conditional random fields.[J].Zengjian Liu;Yangxin Chen;Buzhou Tang;Xiaolong Wang;Qingcai Chen;Haodi Li;Jingfeng Wang;Qiwen Deng;Suisong Zhu.Journal of Biomedical Informatics.2015, S

[6] De-identification of health records using Anonym: Effectiveness and robustness across datasets [J].

Zuccon, Guido ;

Kotzur, Daniel ;

Nguyen, Anthony ;

Bergheim, Anton .

ARTIFICIAL INTELLIGENCE IN MEDICINE, 2014, 61 (03) :145-151

← 1 →