重庆理工大学学报2022，Vol.36Issue(9) ：98-109.DOI:10.3969/j.issn.1674-8425(z).2022.09.013

结合神经文本生成的FLAT模型的中文电子病历命名实体识别

Named Entity recognition of Chinese electronic medical records using FLAT combined with neural network text generation

陈鹏 苏志同 余肖生
重庆理工大学学报2022，Vol.36Issue(9) ：98-109.DOI:10.3969/j.issn.1674-8425(z).2022.09.013
✕
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据

结合神经文本生成的FLAT模型的中文电子病历命名实体识别

Named Entity recognition of Chinese electronic medical records using FLAT combined with neural network text generation

陈鹏 1苏志同 1余肖生1
扫码查看

作者信息

  • 1. 三峡大学 计算机与信息学院, 湖北 宜昌 443000
  • 折叠

摘要

随着医疗信息化的发展,电子病历命名实体识别受到了广泛关注.电子病历中包含大量的专业词汇,而专业词汇的切分错误会使命名实体识别效果不佳.FLAT模型在引入词边界信息时能有效避免分词错误信息的传播,提高命名实体识别效果,但FALT模型依赖于高质量的词典信息.针对这一问题,提出了结合神经文本生成的FLAT模型,使用神经文本生成方法生成大量新病历文本,通过提出的评分函数筛选通顺的文本训练词向量作为FLAT模型的词典信息.实验表明:结合神经文本生成的FLAT模型在CCKS2017数据集上取得了95.32％的F1分数,比BiLSTM CRF模型提高了1.16％,比BERT CRF模型提高了0.89％;在CCKS2019数据集上取得了85.87％的F1分数,比BiLSTM CRF模型提高了5.19％,比BERT CRF模型提高了1.34％.

关键词

命名实体识别/电子病历/FLAT/神经文本生成

引用本文复制引用

基金项目

出版年

2022
重庆理工大学学报
重庆理工大学

重庆理工大学学报

CSTPCD北大核心
影响因子：0.567
ISSN：1674-8425
参考文献量2
段落导航相关论文