10.3969/j.issn.1006-1959.2024.01.012
基于K-BERT的中文妇产科电子病历实体识别研究
针对利用预训练模型进行中文妇产科电子病历命名实体识别时,BERT缺乏一定的医疗领域专业知识而导致其识别性能下降的问题,提出了一种基于知识图谱的预训练模型 K-BERT的命名实体识别模型K-BERT-BiLSTM-CRF.通过K-BERT预训练模型获取包含医学背景知识的语义特征向量,利用双向长短时记忆网络(BiLSTM)与条件随机场(CRF)提取上下文相关特征并且解决标签偏移问题,完成实体识别.利用真实妇产科医疗电子病历数据集进行训练,K-BERT-BiLSTM-CRF模型的F1值达到了 90.04%.实验表明,相比一般BERT的模型,K-BERT-BiLSTM-CRF命名实体识别模型在中文妇产科电子病历领域上的表现更优异,识别效果更好.
K-BERT、双向长短时记忆网络、条件随机场、妇产科电子病历、命名实体识别
37
TP391.1(计算技术、计算机技术)
2024-01-19(万方平台首次上网日期,不代表论文的发表时间)
共7页
65-71