基于相对位置自注意力机制的《伤寒论》实体识别

摘要

目的 《伤寒论》是中医学“四大经典”之一，其中富含大量的医疗实践经验以及用药规律，针对《伤寒论》古籍文献数据挖掘中不充分，尤其是古籍文献上下文语义关系复杂，难以全局把握其中关联等问题，对《伤寒论》进行命名实体识别，有助于深入挖掘其潜在知识。方法 根据《伤寒论》古籍文本专业术语多、句式简练的特点，构建双向编码器表征法(Bert)-双向长短期记忆网络(BiLSTM)-相对位置自注意力(RPRSA)-条件随机场(CRF)模型，通过添加相对位置自注意力(RPRSA)层构造命名实体识别模型以识别《伤寒论》中的实体并学习不同层次的信息，从而提高对《伤寒论》中医古籍实体识别的准确度。结果 通过实验验证，提出的命名实体识别模型在《伤寒论》数据集上的F1分数(F1-Score)、精确率与召回率分别能够达到88.24%、88.48%与88.00%,通过对比发现其表现优于其他常见命名实体识别模型。结论 基于相对位置自注意力机制的模型相较于其他模型在《伤寒论》实体识别任务中表现更佳，为《伤寒论》乃至各类中医古籍信息抽取以及数据挖掘提供基础和助力，为中医智能辅助诊疗提供了有效手段。

关键词

相对位置自注意力 / 命名实体识别 / 《伤寒论》 / 双向长短期记忆网络