基于深度学习多模型融合的医疗命名实体识别
MEDICAL NAMED ENTITY RECOGNITION BASED ON DEEP LEARNING MULTI-MODEL FUSION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%。