基于深度学习的中医古籍实体关系抽取研究
石玉敬
刘伟
胡为
湖南中医药大学信息科学与工程学院 长沙 410208
摘要：实体关系抽取是知识图谱构建的关键一环,同时中医信息抽取一直是中医自然语言处理领域的研究重点,论文通过基于RoBERTa-wwm-BiLSTM-CRF的Pipeline方法和基于TPLinker的Joint算法对《黄帝内经》进行实体关系抽取研究.经过对比研究之后,TPLinker模型被证明在中医实体关系抽取任务有着更好的表现,准确率、召回率和F1值分别为94.54%、95.59%和95.04%.充分表明了TPLinker在实体关系抽取任务上的优越性,同时也能够为其他中医信息抽取任务提供借鉴和为中医知识图谱的构建奠定基础.
关键词：深度学习关系抽取黄帝内经
分类号：R2-05(中国医学理论)R222(中医基础理论)
论文发表日期：2025-11-20
在线出版日期：2026-01-28（本平台首次上网日期，不代表文献的发表时间）
页数：6( 3066-3071 )
英文信息