基于字词联合训练的Bi-LSTM中文电子病历命名实体识别

被引：4

作者：

万里 ^{[1
]}

罗曜儒 ^{[2
]}

李智 ^{[2
]}

綦小蓉 ^{[1
]}

机构：

[1] 四川大学华西第二医院出身缺陷与相关妇儿疾病教育部重点实验室

[2] 四川大学电子信息学院

来源：

中国数字医学 | 2019年 / 14卷 / 02期

关键词：

命名实体识别; 字词联合训练; Bi-LSTM;

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：

为了实现对中文电子病历中实体的自动化识别与信息抽取,提出了一种基于字词联合训练的双向长短时记忆网络(Bi-LSTM)命名实体识别新算法。根据中文语言特性,在传统词向量中融入字向量的语义信息并将其作为神经网络的输入。实验过程中训练集、验证集与测试集随机按电子病历数量的3:1:2的概率生成。通过对比论文提出的语言模型与其他模型,实验结果显示基于字词联合训练的Bi-LSTM能达到最高准确率98.28%与最低复杂度1.169。该结果证明提出的模型能有效识别中文电子病历中如疾病、症状等相关实体,为自动化处理医学文本数据提供现实基础。

引用

页码：54 / 56

页数：3