基于改进图注意力网络的医疗领域命名实体识别

摘要：

面向医疗领域的命名实体识别是实现医疗数字化的重要任务之一,领域相关资源文本实体数量庞大且词汇构成复杂多样,存在着严重的实体嵌套及词边界模糊问题.以原协作图网络为基础,提出一种基于改进图注意力网络的命名实体识别方法.该方法融合多种特征交互逻辑,完成整体交互关系图的构造,进而结合图注意力网络实现多特征的自适应聚合,降低了计算开销,提升了多特征传导交互效率.此外,模型还使用一种具备方向感知的TENER模型建模文本深层次依赖,强化方向、位置敏感型特征的捕获能力,进一步提升了模型在限定领域实体识别任务中的性能表现.实验结果表明,所提方法相比于原模型在CCKS-2019和Resume数据集上的F1值分别取得了 0.007 1和0.002 5的提升,证明了改进的有效性.

关键词：自然语言处理、中文命名实体识别、图神经网络、字词融合

所属期刊栏目：32

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金61602202

在线出版日期：2023-06-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：9-17