典型文献
基于词嵌入结合BiLSTM-CRF模型的病历实体识别
文献摘要：
在传统中文电子病历的命名实体识别任务中,针对医疗实体边界不清、实体嵌套、语句成分缺失、高度依赖人工提取特征等问题,提出基于词嵌入结合BiLSTM-CRF模型的中文电子病历命名实体识别模型.将电子病历文本数据集进行脱敏处理及序列标注等数据预处理,结合词嵌入匹配病历文本序列进行词向量化表示,利用BiLSTM神经网络对前后向病历文本进行空间语义建模,获取文本序列的语义特征,然后利用CRF预测实体标签输出.实验结果表明,改进后的BiLSTM-CRF模型显著提高了病历实体识别的准确率和召回率.
文献关键词：
电子病历;命名实体识别;双向长短期记忆神经网络;条件随机场
中图分类号：
作者姓名：
李超凡;马凯
作者机构：
221004 江苏徐州,徐州医科大学医学信息与工程学院
文献出处：
引用格式：
[1]李超凡;马凯-.基于词嵌入结合BiLSTM-CRF模型的病历实体识别)[J].中国数字医学,2022(04):32-37
A类：
B类：
词嵌入,嵌入结合,BiLSTM,CRF,中文电子病历,命名实体识别,实体嵌套,语句,提取特征,识别模型,文本数据,脱敏,序列标注,数据预处理,词向量,向量化表示,行空,语义建模,语义特征,召回率,双向长短期记忆神经网络,条件随机场
AB值：
0.271449
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。
