一种基于特征融合的医疗病例实体识别方法  

作　　者：帅英杰 

机构地区：[1]广西民族大学人工智能学院,广西南宁530006

出　　处：《广西职业技术学院学报》2022年第2期63-68,共6页Journal of Guangxi Vocational and Technical College

基　　金：广西民族大学研究生科研创新项目(重点)“基于深度语义的文本情感分析方法研究”(gxun-chxzs2019044)。

摘　　要：在医学领域,传统的命名实体识别方法在医疗病历实体识别过程中,存在文本提取特征单一及不充分等问题,导致模型识别精准度不高。针对此问题,文章提出一种基于语义、词序、BER T预训练模型相结合的多特征融合提取方法。引入Word2vec对文本进行语义特征提取,利用Fasttext对文本的词序特征进行提取,通过BER T预训练模型获取词向量,解决Word2vec无法解决一词多义的问题。将多元特征向量融合,对相关数据的特征进行提取融合。通过卷积神经网络对融合特征进行再提取,得到更有价值的数据特征。最后通过双向长短时记忆神经网络结合条件随机场模型(BiLSTM-CRF)进行实体识别。实验结果表明:此方法在ChineseBLUE(cMedQANER)数据集上,其精准度、召回率、F1-Measure值等评价指标都有显著的提升。

关 键 词：医疗病历 实体识别方法 双向transformer编码模型(BERT)预训练词向量 文本卷积神经网络 长短时记忆神经网络 条件随机场 

分 类 号：TP3-0[自动化与计算机技术—计算机科学与技术]