10.3969/j.issn.1001-3695.2017.07.036
基于中文电子病历的跨科室组块分析
针对医疗领域的研究,发现了不同科室间电子病历存在着差异,但是新语料的标注成本又非常高.为了解决这一问题,利用迁移学习的方法在中文电子病历中进行跨科室组块分析的研究.在构建的中文电子病历中,对比了SSVM与CRF模型在词性标注和组块分析上的实验结果,发现SSVM模型的效果更好并选择该模型作为基本标注模型;此外,使用了改进的结构对应学习算法(SCL)进行组块分析,使得该算法能适用于SSVM模型进行领域适应.实验结果表明该算法有效地改善了序列标注任务中跨科室的领域适应性问题.
中文电子病历、词性标注、组块分析、领域适应、结构化支持向量机
34
TP391.1(计算技术、计算机技术)
2017-08-14(万方平台首次上网日期,不代表论文的发表时间)
共4页
2084-2087