如需要完整文档点击下方 "点击下载文档" 按钮

命名实体识别是自然语言处理中的一项基础性关键任务,基于电子病历命名实体识别是临床决策支持和医疗知 识图谱构建等任务的基础。 针对传统的双向长短时记忆神经网络(bi-directional long short-term memory,BiLSTM)结合 条件随机场(conditional random field,CRF)的 BiLSTM-CRF 模型在处理医疗文本命名实体识别问题时面临的文本特征提 取不够充分和未登录词不能充分识别等问题,引入注意力机制(attention mechanisms),提出一种基于注意力机制的 BiLSTM-CRF 命名实体识别模型。 该模型以字向量作为神经网络的输入,BiLSTM 层建模上下文信息,捕捉双向的语义 依赖; ATTENTION 层重点关注输入数据中显著的与当前输出相关的特征,抑制无用信息;CRF 层充分考虑了句子级别的 标签依赖信息,对整个句子进行解码预测输出。 实验结果表明,在电子病历的命名实体识别中,该模型较传统模型提升了 一定的识别效果。

如需要完整文档点击下方 "点击下载文档" 按钮

《融合注意力机制的电子病历命名实体识别》

将 完整文档 下载到本地，方便收藏和查阅

文件号：061841

点击下载文档