基于RoBERTa-WWM-BiLSTM-CRF的中文电子病历命名实体识别研究

摘要：

[目的]解决中文电子病历实体识别中存在的一词多义、词识别不全等问题.[方法]采用深度学习模型RoBERTa-WWM-BiLSTM-CRF,改善中文电子病历的命名实体识别的效果并用4组实验进行对比,分析不同模型对中文电子病历实体识别的效果的影响.[结果]所提模型的实体识别效果F1值达到了 0.890 8.[局限]使用的数据集规模较小,部分科室实体识别效果较一般,如呼吸科F1值仅为0.811 1.[结论]通过实验表明RoBERTa-WWM-BiLSTM-CRF模型更适用于中文电子病历命名实体识别任务,有效解决了中文电子病历命名实体识别中存在的一词多义和词识别不全的问题.

关键词：命名实体识别、深度学习、电子病历

所属期刊栏目：6

分类号：TP393;G250(计算技术、计算机技术)

在线出版日期：2022-06-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：251-262