收藏本站
收藏 | 投稿 | 手机打开
二维码
手机客户端打开本文

基于BERT的中文电子病历命名实体识别

李灵芳  杨佳琦  李宝山  杜永兴  胡伟健  
【摘要】:电子病历中蕴含着丰富的医学信息,这些医学信息对疾病的诊疗具有十分重要的意义.利用命名实体识别技术对电子病历进行信息抽取已成为研究的热点之一,为了更加高效准确的抽取中文电子病历中的实体,提出了BERT-BiLSTM-CRF命名实体识别模型.模型在传统BiLSTM-CRF模型基础上,融合了BERT字嵌入模型,更好的结合文章上下文,充分考虑了一词多义等问题.实验结果证明,该模型在中文电子病历命名实体识别任务中取得了良好的效果,较现有命名实体识别方法,从准确率、召回率、F_1值3方面都有着明显的提升.电子病历命名实体识别任务准确度的提高,对进一步构建医学知识图谱、医学知识库等任务有着重大帮助.

知网文化
【相似文献】
中国期刊全文数据库 前4条
1 王怡;白雪;崔胜男;任慧玲;张湛;刘振宇;范阳华;郭进京;冯铭;;临床医学命名实体识别的病历质量筛选标准研究[J];中国卫生质量管理;2018年06期
2 夏宇彬;郑建立;赵逸凡;徐霄玲;;基于深度学习的电子病历命名实体识别[J];电子科技;2018年11期
3 翟菊叶;陈春燕;张钰;陈玉娥;刘玉文;;基于CRF与规则相结合的中文电子病历命名实体识别研究[J];包头医学院学报;2017年11期
4 赵鸿阳;;基于深度学习的电子病历命名实体识别的研究与实现[J];软件;2019年08期
中国硕士学位论文全文数据库 前3条
1 徐益辉;基于命名实体识别的电子病历文档匿名化系统设计与实现[D];浙江大学;2015年
2 袁冬生;基于命名实体识别的出院小结错误检测系统设计与实现[D];浙江大学;2016年
3 李培林;基于深度学习的电子病历中医疗知识抽取研究[D];杭州师范大学;2019年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978