结合多特征嵌入和多网络融合的中文医疗命名实体识别
在医疗领域中,实体识别能够从大规模电子病历文本中提取有价值信息,由于缺乏定位实体边界的特征以及存在语义信息提取不完整等问题,中文的命名实体识别(NER)实现更加困难.该文提出一种针对中文电子病历的结合多特征嵌入和多网络融合的模型(MFE-MNF).该模型嵌入多粒度特征,即字符、单词、部首和外部知识,扩展字符的特征表示,明确实体边界.将特征向量分别输入到双向长短期记忆神经网络(BiLSTM)和该文构建的自适应图卷积网络等双通路中,全面深入地捕获上下文语义信息和全局语义信息,缓解语义信息提取不完整问题.在CCKS2019和CCKS2020数据集上进行实验验证,结果表明,相比于传统实体识别模型,该文模型能够准确且有效地提取实体.
命名实体识别、多特征嵌入、多网络融合、自适应图卷积网络
TP391.1;R-05(计算技术、计算机技术)
2023-10-10(万方平台首次上网日期,不代表论文的发表时间)
共8页
3032-3039