首页|融合医学词典的条件随机场模型多文本实体识别研究

融合医学词典的条件随机场模型多文本实体识别研究

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
针对不同的文本类型,CRF模型在实体识别效率效果存在较大差异.使用通用文本简历数据集和医学文本CCKS2017医学数据集进行模型对比验证,结果表明CRF模型在专业医学文本上识别效果较差.为了提升在医学文本上的识别效果,构建了专业的医学词典,实验结果表明,CRF+词典的模型能够有效提升在医学文本中各类医学实体的识别效果.
Research on Multi-text Entity Recognition Based on Conditional Random Field Model with the Integration of Medical Dictionary

沈同平、俞磊

展开 >

安徽中医药大学 医药信息工程学院,合肥230012

CRF模型 优化 实体识别

国家自然科学基金2019年高校优秀青年骨干人才国外访学研究项目安徽省质量工程项目安徽省质量工程项目安徽省高等学校人文社会科学研究重点项目安徽省高等学校自然科学研究重点项目安徽中医药大学校级质量工程项目安徽中医药大学人文重点项目安徽中医药大学自然重点项目安徽中医药大学自然重点项目安徽中医药大学自然重点项目

61701005Gxgwfx20190262017mooc2232020jyxm1029SK2020A0244KJ2020A04432021zlgc0462020rwzd072020zrzd182019zrzd112018zryb06

2021

长春大学学报(自然科学版)
长春大学

长春大学学报(自然科学版)

影响因子：0.356
ISSN：1009-3907
年,卷(期)：2021.31(6)
  • 12