典型文献
面向中医电子病历的症状实体及属性抽取
文献摘要：
文章针对中医临床症状实体及属性抽取存在医疗短文本语义信息欠缺,常用的流水线方法易导致多任务之间产生错误累积的问题,提出一种基于深度学习的症状实体及属性抽取方法.首先通过基于BLSTM-CRF的序列标注模型完成"实体/修饰属性"识别;其次根据扩展步长的就近匹配原则生成高覆盖率、低冗余度的"实体—属性值"候选对;最后基于ERNIE-BGRU-MP完成关系分类,利用ERNIE丰富文本上下文信息,联合BGRU提取文本全局特征信息,采用最大池化法过滤冗余和噪声信息,提高模型的泛化性和鲁棒性.
文献关键词：
实体及属性抽取;ERNIE;BGRU;最大池化;中医药信息学
中图分类号：
作者姓名：
胡定兴;杜建强;石强;罗计根;刘勇
作者机构：
江西中医药大学 计算机学院,江西 南昌 330004;江西中医药大学 岐黄国医书院,江西 南昌 330004
文献出处：
引用格式：
[1]胡定兴;杜建强;石强;罗计根;刘勇-.面向中医电子病历的症状实体及属性抽取)[J].现代信息科技,2022(03):70-75
A类：
实体及属性抽取
B类：
中医电子病历,中医临床症状,短文本,文本语义,语义信息,流水线,多任务,BLSTM,CRF,序列标注,步长,就近,原则生成,高覆盖,低冗余,冗余度,属性值,选对,ERNIE,BGRU,MP,关系分类,富文本,上下文信息,文本全局,全局特征,特征信息,最大池化,声信,泛化性,中医药信息学
AB值：
0.39832
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。
