典型文献
基于知识图谱与BERT-BiLSTM-CRF模型的中文电子病历实体识别研究
文献摘要：
目的:提出一种基于医疗知识图谱的BERT-BiLSTM-CRF命名实体识别模型(MKG-BERT-BiLC),用于解决BERT类语言模型在处理医疗电子病历命名实体识别任务时,由于缺乏一定医疗领域背景知识而导致无法充分发挥其作用的问题.方法:将医疗知识图谱中的三元组信息集成到BERT-BiLSTM-CRF模型中,可实现为模型配备相应的医疗领域知识,进而增强模型的语言表征能力.结果:利用现有公开数据集进行实验,融入知识图谱后BERT-BiLSTM-CRF模型的识别精确率、召回率和F1值均有显著提升,优于现有NER模型.结论:MKG-BERT-BiLC模型能够更好地识别电子病历中的命名实体,具有一定的实用价值.
文献关键词：
知识图谱;BERT-BiLSTM-CRF;电子病历;命名实体识别
中图分类号：
作者姓名：
梁怀众;庄培锋;彭宏;王继伟
作者机构：
361003 福建厦门,陆军第七十三集团军医院(厦门大学附属成功医院)信息科
文献出处：
引用格式：
[1]梁怀众;庄培锋;彭宏;王继伟-.基于知识图谱与BERT-BiLSTM-CRF模型的中文电子病历实体识别研究)[J].中国数字医学,2022(08):43-47
A类：
MKG,BiLC
B类：
基于知识,BERT,BiLSTM,CRF,中文电子病历,医疗知识图谱,命名实体识别,识别模型,语言模型,医疗领域,背景知识,三元组,信息集成,领域知识,增强模型,语言表征,表征能力,公开数据集,精确率,召回率,NER
AB值：
0.229391
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。
