文献类型：期刊文章

作　　者：肖瑞[1] 胡冯菊[2] 裴卫[1]

Xiao Rui;Hu Fengju;Pei Wei(Hubei University of Chinese Medicine,Wuhan,430065,China)

机构地区：[1]湖北中医药大学信息工程学院,武汉430065 [2]湖北中医药大学第一临床学院,武汉430065

出　　处：《世界科学技术-中医药现代化》

基　　金：2017年湖北中医药大学“青苗计划”项目[No.2017ZZX016]:基于中医电子病历的慢性乙型肝炎诊断预测算法研究,负责人:肖瑞;国家中医药管理局2018年度中医药法制化建设项目[No.GZY-FJS-2018-162]:互联网虚假违法中医医疗广告监测,负责人:肖瑞

年　　份：2020

卷　　号：22

期　　号：7

起止页码：2504-2510

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD_E2019_2020、JST、ZGKJHX、核心刊

摘　　要：中医药文本命名实体识别在中医药文本挖掘中占有重要地位,本文通过BiLSTM-CRF方法实现对中医医案文本进行命名实体识别,不仅实现了基本命名实体识别,通过对数据集按照中草药、疾病和症状三个类别进行标记,还能够进行命名实体类别识别。对中医药相关医案进行规整的10292条句子进行序列标注,基于word2vec的向量构建,从而进行模型训练迭代,得到了准确率为97.23%,召回率为89.47%,F值为88.34%的中医药命名实体识别模型。各类别识别中,中草药类别识别精准率为94.41%,召回率为94.36%,F值为94.38%;疾病类别精准率为80.92%,召回率为80.92%,F值为80.92%;症状类别精准率为75.68%,召回率为81.68%,F值为78.56%,人工测试模型效果较好,能够对医案数据进行实体识别。命名实体识别模型较多,但用于中医药相关命名实体识别模型数量微乎其微,构建中医药相关命名实体识别模型,将更加有效的推动中医药文本挖掘发展。

关 键 词：文本挖掘 中医药 命名实体  LSTM  

分 类 号：R2-03[中医学类] TP183]