基于多任务学习的文本信息关联性抽取仿真

摘要：

存在逻辑标签文本信息具有关联性特征,在关联性抽取过程中,逻辑标签转化为信息实体关系时易出现信息混乱问题,导致抽取次数较少、关联性获取不全面.针对上述问题,设计基于多任务学习的文本信息关联性抽取方法.采用解码模块输出文本信息内逻辑标签,抽取文本信息实体关系,使用分词工具将医院内网文档标记为在线文本和临床文本形式.搭建多任务学习的关联框架,实现关联性抽取.关联处理医院内网信息,准备基于深度学习的关联性抽取方法、基于知识图谱 的文本信息关联性抽取.仿真测试结果表明:所设计方法的抽取次数最多,可全面获取文本信息之间的关联性,应用效果最为理想.

关键词：多任务学习、文本信息、关联性抽取、逻辑标签、信息实体关系、仿真编码

所属期刊栏目：40

分类号：TN929.5

在线出版日期：2023-03-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：315-318,377