典型文献
基于BERT的医患对话实体阴阳性自动标注研究
文献摘要：
目的:为智能医疗的网络问诊设计一个前端任务模块,对互联网真实医患对话文本进行自动标注研究,探索识别对话实体阴阳性准确率较高的方法.方法:对医患对话真实文本特点进行分析,选取BERT及BERT-WWM对医患对话真实文本中的实体进行嵌入向量化,再通过语义信息获取,最终对实体属性进行分类和计算,自动标注其阴阳性.结果:实验结果表明BERT-WWM在处理中文对话的实体分类标注时优于BERT约16％.结论:优先选择全词掩码,以单元(Unit)来替代以字为单位的掩码对医学类实体进行分类和标注,可大大提高原模型的准确度.
文献关键词：
在线问诊;实体标注;BERT;BERT-WWM
中图分类号：
作者姓名：
孙媛媛;申喜凤;李美婷;南嘉乐;张维宁;高东平
作者机构：
100020北京,中国医学科学院北京协和医学院医学信息研究所;中国医学科学院北京协和医学院北京协和医院内科学系
文献出处：
引用格式：
[1]孙媛媛;申喜凤;李美婷;南嘉乐;张维宁;高东平-.基于BERT的医患对话实体阴阳性自动标注研究)[J].中国数字医学,2022(03):34-38
A类：
B类：
BERT,医患,阴阳,自动标注,智能医疗,对话文本,文本特点,WWM,嵌入向量,向量化,语义信息,信息获取,实体属性,实体分类,优先选择,掩码,Unit,医学类,在线问诊,实体标注
AB值：
0.389896
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。
