融合依存句法和实体信息的临床时间关系抽取

摘要：

在临床文本中,时间关系对于研究患者的病情和治疗方案至关重要.而目前的时间关系抽取基于简单时间比较,仅判断4 种时间关系.考虑中文临床文本中还存在大量的复杂时间和关系,现有时间关系抽取任务不能全部表达临床事件的时间关系,参考CTO时间本体将抽取任务扩展为复杂时间关系抽取.同时针对中文临床文本语义的复杂性,提出了融合依存句法和实体信息的模型学习中文句子的整体信息和实体信息.该模型针对句内时间关系和句间时间关系设计依存特征矩阵引导BERT的编码器聚合全局信息和局部信息,然后导出句子表征向量,在此基础上使用内积和哈达玛积提取丰富的实体信息,最终将句子信息和实体信息导入分类器判断时间关系.与基线模型和其他深度学习模型相比,证明了该模型的有效性.

关键词：时间关系抽取、自注意力机制、依存句法、局部信息、实体信息

所属期刊栏目：34

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;联合基金项目;国家新闻出版署富媒体数字出版内容组织与知识服务重点实验室开放基金;科技创新新一代人工智能重大项目

在线出版日期：2024-01-30（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：128-135