基于双向GRU神经网络的医学文本PICO成分识别

摘要：

针对传统机器学习模型在识别PICO(population/problem,intervention,comparison and outcome)成分时存在特征提取不充分的问题,本文提出了一种自动识别医学文本中PICO成分的GRUCM模型,该模型融合了双向门控循环单元(bi-bated recurrent unit,BiGRU)神经网络和条件随机场(conditional random field,CRF)的优点,不仅能改善传统机器学习模型存在的特征抽取不足的问题,而且可以同时抽取出多个成分,避免创建多个模型而造成的资源浪费.该模型在测试数据上P成分的F1值为88.24％,I成分的F1值为80.49％,O成分的F1值为86.62％,与采用长短期记忆网络(long short-term memory,LSTM)和CRF模型的识别效果进行对比,本文提出的GRUCM模型对PICO成分的识别更有效.

关键词：循证医学、GRUCM模型、PICO成分、双向门控循环单元、神经网络

所属期刊栏目：49

分类号：TP391(计算技术、计算机技术)

资助基金：浙江省智慧医疗工程技术研究中心资助项目;苏州市姑苏科技创业天使计划资助项目;南京邮电大学引进人才科研启动基金

在线出版日期：2021-03-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：14-21