典型文献
基于对抗训练的中文电子病历命名实体识别
文献摘要：
为提高传统命名实体识别模型在中文电子病历上的准确性,提出一种在基线模型B E RT-BiLSTM-CRF中加入对抗训练的方法,该方法在词嵌入层添加扰动因子从而生成对抗样本,并利用对抗样本进行迭代训练,从而优化模型参数.CCKS2021评测数据集实验结果表明,加入FGM和PGD两个对抗训练模型后,其精准率、召回率以及F1值相比于基线模型均有所提升.并且通过对比实验,验证了加入对抗训练能够提高模型的预测能力和鲁棒性.
文献关键词：
中文电子病历;命名实体识别;对抗训练;BERT;BiLSTM;CRF;FGM;PGD
中图分类号：
作者姓名：
孔令巍;朱艳辉;张旭;欧阳康;黄雅淋;金书川;沈加锐
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]孔令巍;朱艳辉;张旭;欧阳康;黄雅淋;金书川;沈加锐-.基于对抗训练的中文电子病历命名实体识别)[J].湖南工业大学学报,2022(03):36-43
A类：
CCKS2021
B类：
对抗训练,中文电子病历,命名实体识别,识别模型,基线模型,BiLSTM,CRF,词嵌入,嵌入层,加扰,扰动因子,生成对抗,对抗样本,迭代训练,评测数据集,FGM,PGD,训练模型,召回率,预测能力,BERT
AB值：
0.287588
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。
