融入词性的医疗命名实体识别研究

摘要：

[目的]针对命名实体边界识别困难问题,融入词信息以改进在线问诊记录中临床关键特征的识别与推断.[方法]基于MacBERT与条件随机场构建模型,对词位置和词性等词信息进行位置"软"嵌入,利用说话者角色嵌入引入对话文本信息.同时,引入加权多分类交叉熵解决实体类别不均衡问题.[结果]在春雨医生互联网在线问诊记录上开展实证研究,本文模型在命名实体识别任务上的F1值为74.35％,相比直接利用MacBERT模型提高近2个百分点.[局限]未设计专门对中文分词的模型.[结论]与直接利用MacBERT模型建模相比,融入词信息等更多维度特征能有效提升模型的识别能力.

关键词：中文命名实体识别、在线医疗问诊、词信息融入、MacBERT、加权交叉熵

所属期刊栏目：7

分类号：TP393;G250(计算技术、计算机技术)

在线出版日期：2023-07-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：123-132