面向互联网资源的医学命名实体识别研究

摘要：

医学信息提取的第一步在于命名实体识别,然而公开医学语料的缺乏使得这项工作困难重重.已有的研究大都建立在少量人工标注的文本之上,不具备很好的推广性.互联网作为大量数据的聚集地,可以从中进行医学知识的提取.针对互联网资源规模大,结构化程度低,缺乏标注等特点,提出了一种迭代式框架来对其加以利用.使用融合通用模型和领域词典的方法对文本进行标注,缓解了领域不同带来的精度降低问题.使用在线方法来构建模型,避免了迭代中对模型进行整体重构.在命名实体识别模型中融入了词法特征、词缀特征、词长特征等,提高了模型的识别能力.提出了一种启发式的模型压缩方法,增强模型的可用性.实验结果表明,所提出的策略是有效的.

关键词：命名实体识别、互联网资源、迭代框架、平均感知器

所属期刊栏目：12

分类号：TP391(计算技术、计算机技术)

资助基金：The National Natural Science Foundation of China under Grant Nos.61472099,61772157;the National Key Technology Research and Development Program of China under Grant No.2015BAH10F01

在线出版日期：2018-06-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：898-907