少样本高质量医学知识的命名实体识别研究——以肺癌诊疗规范为例
万方数据知识服务平台
应用市场
我的应用
会员HOT
万方期刊
×

点击收藏,不怕下次找不到~

@万方数据
会员HOT

期刊专题

10.3969/j.issn.1008-0821.2023.02.002

少样本高质量医学知识的命名实体识别研究——以肺癌诊疗规范为例

引用
[目的/意义]本研究对少样本高质量医学知识中的实体进行自动识别,为高效、 准确处理少样本文本形式医学数据的结构化问题奠定基础.[方法/过程]构建肺癌概念体系、凝练肺癌核心概念并构建领域词典,利用该词典对肺癌诊疗规范进行分词标注后,通过利用字符位置标签构造自适应Embedding的方式将领域词典与字符级NER模型Soft-Lexicon相融合,形成Fusion-Lexicon,从而实现对肺癌诊疗规范文本中各类实体的自动识别.[结果/结论]Fusion-Lexicon的P、R、F1值分别为93.75%、94.02%、93.88%,其NER性能优于基线模型.研究方法在实现少样本高质量医学知识的有序化、结构化上具备可行性和优越性.

高质量医学知识、词汇增强、少样本学习、命名实体识别、诊疗规范

43

TP391(计算技术、计算机技术)

国家自然科学基金;吉林省科技发展计划项目;吉林大学博士研究生交叉学科科研资助计划项目

2023-02-10(万方平台首次上网日期,不代表论文的发表时间)

共11页

9-19

相关文献
评论
暂无封面信息
查看本期封面目录

现代情报

1008-0821

22-1182/G3

43

2023,43(2)

相关作者
相关机构

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn