基于深度学习多模型融合的医疗命名实体识别

作     者：梁文桐 朱艳辉 詹飞 冀相冰 张旭 Liang Wentong;Zhu Yanhui;Zhan Fei;Ji Xiangbing;Zhang Xu

作者机构：湖南工业大学计算机学院湖南株洲412008 湖南省智能信息感知及处理技术重点实验室湖南株洲412008 

出 版 物：《计算机应用与软件》 (Computer Applications and Software)

年 卷 期：2022年第39卷第10期

页      面：162-168,229页

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：科技创新2030—“新一代人工智能”重大项目(2018AAA0100400) 国家自然科学基金项目(61702177) 湖南省自然科学基金项目(2018JJ2098,2020JJ6089) 湖南省教育厅重点项目(19A133) 

主　　题：命名实体识别 深度学习 融合模型 语义特征 电子病历 

摘      要：针对医疗命名实体识别中单一模型获取文本语义特征不足的问题,提出基于深度学习多模型融合的医疗命名实体识别方法。提出一种基于变异系数的加权投票算法,构建基于BERT(Bidirectional Encoder Representations from Transformers)-MNER、IDCNN(Iterated Dilated Convolution Neural Networks)-MNER、GAT(Graph Attention Networks)-MNER的融合模型,然后提出一种基于历史信息的实体纠错算法优化融合结果。以2019年全国知识图谱与语义计算大会(CCKS2019)中文电子病历医疗实体识别语料作为实验数据,实验结果表明,该方法获得了较好的识别效果,精确率、召回率和F1值分别达到89.56%、82.77%和86.03%。