文献类型：期刊文章

作　　者：马月坤[1,2] 吴国仲[1]

MA Yuekun;WU Guozhong(Hebei Key Laboratory of Industrial Intelligent Perception,Institute for Artificial Intelligence,North China University of Science and Technology,Tangshan 063210,China;Beijing Key Laboratory of Knowledge Engineering in the Field of Materials,Institute for Computer and Communication Engineering,University of Science and Technology Beijing,Beijing 100083,China)

机构地区：[1]华北理工大学人工智能学院,河北省工业智能感知重点实验室,河北唐山063210 [2]北京科技大学计算机与通信工程学院,材料领域知识工程北京市重点实验室,北京100083

出　　处：《河北大学学报（自然科学版）》

基　　金：河北省三三三人才项目(A201803082)。

年　　份：2024

卷　　号：44

期　　号：2

起止页码：199-207

语　　种：中文

收录情况：AJ、BDHX、BDHX2023、CAS、RCCSE、WOS、ZGKJHX、核心刊

摘　　要：传统中医本草文献含有丰富的中医知识,是中医理论研究的重要载体.为了更好地挖掘中医本草知识,精准地实现中医本草文献命名实体识别任务,提出了一种基于特征增强的Bert-BiGRU-CRF中医本草命名实体识别模型,使用特征融合器拼接Bert生成的词向量与实体特征作为输入,以双向门控循环单元(bi-directional gated recurrent unit, BiGRU)为特征提取器,以条件随机场(conditional random fields, CRF)进行标签预测,通过特征增强的方法更好地识别中医本草的药名、药性、药味、归经等实体及其边界信息,完成中医本草命名实体任务.在中医本草数据集上的实验结果表明,融入特征的模型F1值达到了90.54%,证明了所提出的方法可以更好地提高中医本草命名实体识别精度.

关 键 词：命名实体识别 中草药 特征增强  词典信息  

分 类 号：TP391.1] R271.14[计算机类]