首页|基于LEBERT-BCF的电子病历实体识别

基于LEBERT-BCF的电子病历实体识别

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对BERT在中文电子病历实体识别过程中缺少词信息,实体边界信息被浪费和模型鲁棒性较差等问题,提出一种基于BERT并引入外部词典进行特征增强和对抗训练的实体识别模型LEBERT-BCF.该模型通过外部词典自动为电子病历进行词汇匹配构建字符-词语对,在BERT内部将字符-词语对中对应字向量与词向量经过Lexicon Adapter模块进行特征融合并使用FGM提升模型的鲁棒性.在CCKS 2019数据集上的实验结果表明,该模型的F1值比BERT-BiLSTM-CRF提高了3.45％.
Entity recognition of electronic medical records based on LEBERT-BCF

吴广硕、樊重俊、陶国庆、贺远珍

展开 >

上海理工大学管理学院,上海 200093

BERT 特征增强 对抗训练 字符-词语对 鲁棒性

教育部哲学社会科学研究重大课题攻关项目

20JZD010

2023

10.16644/j.cnki.cn33-1094/tp.2023.02.021

计算机时代
浙江省计算技术研究所　浙江省计算机学会

计算机时代

影响因子：0.411
ISSN：1006-8228
年,卷(期)：2023.(2)
  • 4