典型文献
基于伪标签置信选择的半监督医疗事件抽取
文献摘要：
医疗事件抽取是构建医疗知识图谱的重要基础.针对医疗领域有标签数据匮乏的问题,构建基于Trans-former 编码器、BiLSTM 和注意力机制的医疗事件联合抽取模型,并提 出一种用于选择高置信度数据的伪标签置信选择算法.首先,训练医疗事件联合抽取模型对无标签数据进行预测产生伪标签数据;然后,通过计算伪标签一致概率P来选择高置信度的伪标签数据,将其加入原有数据中重新训练联合抽取模型;最后,使用更新的医疗事件联合抽取模型对电子病历中肿瘤原发部位、病灶大小和转移部位事件进行抽取,并使用多数投票得到最终的抽取结果.以2020年全国知识图谱与语义计算大会(CCKS2020)中面向中文电子病历的医疗事件抽取任务语料作为实验数据,实验结果表明,本文提出方法获得了较好的医疗事件抽取结果.
文献关键词：
医疗事件抽取;知识图谱;注意力机制;联合抽取;伪标签;电子病历;多数投票
中图分类号：
作者姓名：
梁文桐;朱艳辉;詹飞;张旭;欧阳康;孔令巍;黄雅淋
作者机构：
湖南工业大学计算机学院,湖南株洲412007;湖南省智能信息感知及处理技术重点实验室,湖南株洲412007
文献出处：
引用格式：
[1]梁文桐;朱艳辉;詹飞;张旭;欧阳康;孔令巍;黄雅淋-.基于伪标签置信选择的半监督医疗事件抽取)[J].微电子学与计算机,2022(01):71-79
A类：
医疗事件抽取
B类：
伪标签,半监督,医疗知识图谱,医疗领域,数据匮乏,Trans,former,编码器,BiLSTM,注意力机制,联合抽取模型,置信度,选择算法,无标签数据,测产,入原,新训,病灶大小,转移部位,多数投票,语义计算,CCKS2020,中文电子病历,语料
AB值：
0.233495
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
