文献类型：期刊文章

作　　者：张华丽[1] 康晓东[1] 李博[1] 王亚鸽[1] 刘汉卿[1] 白放[1]

ZHANG Huali;KANG Xiaodong;LI Bo;WANG Yage;LIU Hanqing;BAI Fang(School of Medical Imaging,Tianjin Medical University,Tianjin 300203,China)

机构地区：[1]天津医科大学医学影像学院,天津300203

出　　处：《计算机应用》

基　　金：京津冀协同创新项目(17YFXTZC0020)。

年　　份：2020

卷　　号：40

期　　号：S01

起止页码：98-102

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSCD、CSCD_E2019_2020、IC、JST、PROQUEST、RCCSE、ZGKJHX、ZMATH、核心刊

摘　　要：在中文电子病历命名实体识别任务中,为了消除传统命名实体识别方法高度依赖人工提取特征这一不足,设计了双向长短时记忆(Bi-LSTM)网络与条件随机场(CRF)结合的网络模型,并在联合网络的基础上添加注意力机制,从而优化实体识别准确率。首先,将中文电子病历数据集进行脱敏处理及序列标注等预处理;其次,结合词嵌入技术将电子病历文本序列进行词向量化表示,并利用Bi-LSTM网络模型构造包含前向和后向文本的语义特征;然后,将双向特征序列输入到注意力层,利用注意力机制对文本特征向量的语义编码分配不同的注意力权重,进一步强化当前信息与上下文信息之间潜在的语义关联性;最后,输入到CRF层中,由此提取出实体。实验结果表明,该注意力机制与Bi-LSTM-CRF模型融合的新方法能有效提高中文电子病历命名实体识别的准确率。

关 键 词：电子病历 双向长短时记忆网络  条件随机场 注意力机制  实体识别  

分 类 号：TP391]