典型文献
基于FCN-CRF的医疗命名实体识别
文献摘要：
基于词典增强的方法存在搜索潜在匹配词较慢、难以批量计算等问题.针对该问题,对比计算机视觉领域的语义分割任务与自然语言处理领域的命名实体识别任务之间的相似性,提出了引入图像语义分割中的全卷积网络模型(Fully Convolutional Network),并将其应用于医疗文本的命名实体识别任务.在瑞金糖尿病数据集上进行实验,结果表明,相比基于词典增强的方法,该方法能达到F1值差距在1％内,同时无需引入词级别信息且便于进行批量计算,而在实验数据集上实际运行时间仅为基于词典增强方法的不到2％.
文献关键词：
自然语言处理;命名实体识别;全卷积网络;条件随机场;语义分割
中图分类号：
作者姓名：
潘胜星;唐雅娟
作者机构：
汕头大学电子工程系,广东汕头515063
文献出处：
引用格式：
[1]潘胜星;唐雅娟-.基于FCN-CRF的医疗命名实体识别)[J].电子设计工程,2022(17):60-63,68
A类：
B类：
FCN,CRF,命名实体识别,词典,较慢,批量计算,计算机视觉,自然语言处理,图像语义分割,全卷积网络模型,Fully,Convolutional,Network,医疗文本,瑞金,糖尿病数据,比基,实际运行,运行时间,增强方法,条件随机场
AB值：
0.276168
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。
