基于高置信度伪标签数据选择算法的临床事件抽取方法

摘要

【目的】事件抽取是构建高质量事件知识图谱的前提。临床事件抽取过程中事件元素存在依赖关系，现有方法无法准确识别事件元素并组合为事件，且现有临床事件标记数据较少，给事件抽取任务带来了极大的挑战。【方法】将临床事件抽取建模为实体识别模型，提出一种融合多特征的中文医学事件抽取方法：BERT-MCRF.该方法使用BERT构建模型的嵌入和特征提取部分，在CRF层加入多个字的滑动窗口特征，然后将BERT-MCRF作为半监督实验的基实验，提出一种高置信度伪标签数据选择算法作为筛选数据的条件，得到较高质量的300条数据与原始数据合并，最终构建了1 700条语料，并重新训练模型。【结果】BERT-MCRF模型在3种属性实体上的整体F₁值达到80.21%,比经典的BiLSTM-CRF模型提升15.11%;通过半监督思路重新训练的模型最终F₁值达到81.56%,较原始BERT-MCRF提升了1.35%.

关键词

临床医学事件抽取 / 实体识别 / 多特征 / 半监督学习 / 高置信度伪标签选择算法