文献类型：期刊文章

作　　者：黄梦醒[1,2] 李梦龙[1,2] 韩惠蕊[1,2]

Huang Mengxing;Li Menglong;Han Huirui(State Key Laboratory of Marine Resource Utilization in South China Sea,Hainan University,Haikou 570228,China;College of Information Science&Technology,Hainan University,Haikou 570228,China)

机构地区：[1]海南大学南海海洋资源利用国家重点实验室,海口570228 [2]海南大学信息科学技术学院,海口570228

出　　处：《计算机应用研究》

基　　金：国家自然科学基金资助项目(61462022);国家科技支撑计划资助项目(2015BAH55F04);海南省重大科技计划资助项目(ZDKJ2016015);海南省自然科学基金资助项目(617062);海南省产学研一体化专项资助项目(cxy20150025)

年　　份：2019

卷　　号：36

期　　号：12

起止页码：3735-3739

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA-PROQEUST、CSCD、CSCD_E2019_2020、IC、INSPEC、JST、RCCSE、UPD、ZGKJHX、ZMATH、核心刊

摘　　要：针对中文电子病历中命名实体识别和实体关系抽取研究方法中存在的问题,提出了一种基于双向长短时记忆网络(bidirectional long short-term memory)与CRF(conditional random field)结合的实体识别和实体关系抽取方法。该方法首先使用词嵌入技术将文本转换为数值向量,作为神经网络BiLSTM的输入,再结合CRF链式结构进行序列标注,输出最大概率序列,并对识别结果知识图谱化。实验证明,该方法对中文电子病历进行实体识别和实体关系抽取时的准确率、召回率、F值有明显的提升。实验结果满足临床中系统应用需求,对帮助研究构建临床决策支持系统、个性化医疗推荐服务有引导作用。

关 键 词：实体识别  实体关系  长短时记忆网络  知识图谱

分 类 号：TP391.1]