Current Location:home > Detailed Browse

Article Detail

基于电子病历的实体识别和知识图谱构建的研究

Abstracts

针对中文电子病历中命名实体识别和实体关系抽取研究方法中存在的问题,提出了一种基于双向长短时记忆网络(bidirectional long short term memory)与CRF(conditional random field)结合的实体识别和实体关系抽取方法。该方法首先使用词嵌入技术将文本转换为数值向量,作为神经网络BiLSTM的输入,再结合CRF链式结构进行序列标注,输出最大概率序列,并对识别结果知识图谱化。实验证明,该方法对中文电子病历进行实体识别和实体关系抽取时的准确率、召回率、F值有明显的提升。实验结果满足临床中系统应用需求,对帮助研究构建临床决策支持系统、个性化医疗推荐服务有引导作用。
Download Comment From cooperative journals:《计算机应用研究》 Hits:683 Downloads:389
Comment List
NO. Comment content
1 中文电子病历中的隐性知识挖掘是一个很重要的研究领域,也算是人工智能领域中的一块,命名实体识别有很多方法,本文提出的双向长短时记忆网络与CRF结合的实体识别和实体关系抽取方法,应该算是一种改进吧,但针对不同的电子病历,不知道是不是都适用。 (Comment time:2018-10-16 13:52:04,From: 159.226.142.183 ,0 )
Journal:计算机应用研究
Recommended references: 黄梦醒,李梦龙,韩惠蕊.(2018).基于电子病历的实体识别和知识图谱构建的研究.计算机应用研究.[ChinaXiv:201810.00026] (Click&Copy)
Version History
[V1] 2018-10-11 09:20:10 chinaXiv:201810.00026V1 Download
Related Paper

Download

Current Browse

Cross Subject Browse

  • - NO