基于联合神经网络模型的中文医疗实体分类与关系抽取

被引:16
作者
张玉坤 [1 ,2 ]
刘茂福 [1 ,2 ]
胡慧君 [1 ,2 ]
机构
[1] 武汉科技大学计算机科学与技术学院
[2] 智能信息处理与实时工业系统湖北省重点实验室
关键词
实体分类; 关系抽取; 参数共享; 联合学习;
D O I
暂无
中图分类号
TP391.1 [文字信息处理]; TP183 [人工神经网络与计算];
学科分类号
081203 ; 0835 ; 081104 ; 0812 ; 1405 ;
摘要
近年来,医疗健康领域的实体分类与关系抽取引起了广泛关注。以往工作大多采用流水线模型,此类模型容易忽略任务间联系并造成错误传播,而联合学习则能够很好地避免这2个问题。为此,把卷积神经网络与支持向量机、条件随机场相结合,构建了联合神经网络模型。在此模型基础上,以参数共享的方式,分别通过任务联合、模型联合以及特征联合对实体分类与关系抽取2个任务进行联合学习,在药品说明书语料库中取得了非常不错的效果,实体分类和关系抽取的F值分别达到了98.0%和98.3%。实验表明,联合神经网络模型对于实体分类和关系抽取是非常有效的。
引用
收藏
页码:1110 / 1118
页数:9
相关论文
共 8 条
[1]   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
[2]   电子病历命名实体识别和实体关系抽取研究综述 [J].
杨锦锋 ;
于秋滨 ;
关毅 ;
蒋志鹏 .
自动化学报, 2014, 40 (08) :1537-1562
[3]   基于多核学习的医学文献蛋白质关系抽取 [J].
唐楠 ;
杨志豪 ;
林鸿飞 ;
李彦鹏 .
计算机工程, 2011, 37 (10) :184-186
[4]  
A neural joint model for entity and relation extraction from biomedical text[J] . Fei Li,Meishan Zhang,Guohong Fu,Donghong Ji.BMC Bioinformatics . 2017 (1)
[5]   Automatic extraction and visualization of semantic relations between medical entities from medicine instructions [J].
Liu, Maofu ;
Jiang, Li ;
Hu, Huijun .
MULTIMEDIA TOOLS AND APPLICATIONS, 2017, 76 (08) :10555-10573
[6]  
Joint entity and relation extraction based on a hybrid neural network[J] . Suncong Zheng,Yuexing Hao,Dongyuan Lu,Hongyun Bao,Jiaming Xu,Hongwei Hao,Bo Xu.Neurocomputing . 2016
[7]   Development of a benchmark corpus to support the automatic extraction of drug-related adverse effects from medical case reports [J].
Gurulingappa, Harsha ;
Rajput, Abdul Mateen ;
Roberts, Angus ;
Fluck, Juliane ;
Hofmann-Apitius, Martin ;
Toldo, Luca .
JOURNAL OF BIOMEDICAL INFORMATICS, 2012, 45 (05) :885-892
[8]  
A System for Identifying Named Entities in Biomedical Text:how Results From two Evaluations Reflect on Both the System and the Evaluations[J] . Shipra Dingare,Malvina Nissim,Jenny Finkel,Christopher Manning,Claire Grover.Comparative and Functional Genomics . 2004 (1-2)