基于融合模型的中文病历文本智能纠错研究

扫码查看

原文链接

NETL

中文摘要：目的:本研究拟针对中文医学病历文本,进行错别字智能纠错,以改善中文病历质量,减少诊疗文书差错产生的机率.方法:将统计语言模型和基于神经网的预训练模型相融合,进行中文病历文本错别字纠错的训练和验证,最终通过综合指标F1进行模型效果的评估.结果:实验结果显示融合模型的中文病历错别字纠错F1为0.6254,优于单统计语言模型和单预训练模型F1值0.4813和0.5970.结论:基于统计语言模型和预训练模型的融合方法,在中文病历文本错别字纠错方面有较好的效果,对临床病历书写质量的保障有一定的现实辅助意义.

作者：

姜会珍、焦雪莹、邹凌伟、许仕杰、朱卫国

展开 >

作者单位：

中国医学科学院北京协和医学院北京协和医院国家重点实验室,信息中心

北京左医科技有限公司

中国医学科学院北京协和医学院北京协和医院国家重点实验室,全科医学科(普通内科)

关键词：

中文医学病历文本错别字智能纠错融合模型

主办单位：

中国卫生信息与健康医疗大数据学会

《中国卫生信息管理杂志》社

会议名称：

2021（16th）中国卫生信息技术/健康医疗大数据应用交流大会

会议时间：

2021-07-09

会议地点：

武汉

会议母体文献：

2021（16th）中国卫生信息技术/健康医疗大数据应用交流大会论文集

页码：

104-109

出版时间：

2021