首页|基于深度学习多模型融合的医疗命名实体识别

基于深度学习多模型融合的医疗命名实体识别

MEDICAL NAMED ENTITY RECOGNITION BASED ON DEEP LEARNING MULTI-MODEL FUSION

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 维普
  • 万方数据
针对医疗命名实体识别中单一模型获取文本语义特征不足的问题,提出基于深度学习多模型融合的医疗命名实体识别方法.提出一种基于变异系数的加权投票算法,构建基于BERT(Bidirectional Encoder Repre-sentations from Transformers)-MNER、IDCNN(Iterated Dilated Convolution Neural Networks)-MNER、GAT(Graph Attention Networks)-MNER的融合模型,然后提出一种基于历史信息的实体纠错算法优化融合结果.以2019年全国知识图谱与语义计算大会(CCKS2019)中文电子病历医疗实体识别语料作为实验数据,实验结果表明,该方法获得了较好的识别效果,精确率、召回率和F1值分别达到89.56％、82.77％和86.03％.

梁文桐、朱艳辉、詹飞、冀相冰、张旭

展开 >

湖南工业大学计算机学院 湖南 株洲 412008

湖南省智能信息感知及处理技术重点实验室 湖南 株洲 412008

命名实体识别 深度学习 融合模型 语义特征 电子病历

科技创新2030—"新一代人工智能"重大项目国家自然科学基金湖南省自然科学基金湖南省自然科学基金湖南省教育厅重点项目

2018AAA0100400617021772018JJ20982020JJ608919A133

2022

10.3969/j.issn.1000-386x.2022.10.025

计算机应用与软件
上海市计算技术研究所 上海计算机软件技术开发中心

计算机应用与软件

CSTPCD北大核心
影响因子：0.615
ISSN：1000-386X
年,卷(期)：2022.39(10)
  • 2
  • 15