基于BERT和领域词典融合的中文电子病历命名实体识别
叶恩光1
张晓如2
张再跃2
丁腊春3
朱向南3
王译3
1.江苏科技大学 镇江 212003;镇江市第四人民医院 镇江 2120012.江苏科技大学 镇江 2120033.镇江市第四人民医院 镇江 212001
摘要：医疗数据挖掘的起始环节为CNER(中文电子病历命名实体识别),将相关实体(解剖部位、药品、影像检查等)识别出非结构化文本是其目标所在.基于CNER准确性提升需要,论文设计了BERT-BiLSTM-CRF模型融合领域词典技术,该技术能将上下文语义关系全面结合,一词多义问题同样可以迎刃而解,获取电子病历句子的长距离依赖.CNER采用BERT-BiLSTM-CRF模型融合领域词典技术时的F1 值已经被实验结果所证实,对知识图谱的构建、临床决策支持系统和病历质控系统等的研究有着重要意义.
关键词：中文电子病历命名实体识别BERT-BiLSTM-CRF领域词典
分类号：TP391.1(计算技术、计算机技术)
资助基金：江苏省重大科技示范项目(BE2018700)国家自然科学基金(61371114)
论文发表日期：2024-03-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 746-750,767 )
英文信息