基于RBAC模型的中文医疗命名实体识别

张斌; 赵婷婷; 张碧霞; 陈亚瑞; 王嫄

doi:10.13364/j.issn.1672-6510.20230180

天津科技大学学报 ›› 2024, Vol. 39 ›› Issue (05) : 56 -62. DOI: 10.13364/j.issn.1672-6510.20230180

基于RBAC模型的中文医疗命名实体识别

张斌, 赵婷婷, 张碧霞, 陈亚瑞, 王嫄

作者信息 +

Author information +

文章历史 +

PDF (823K)

摘要

中文医疗命名实体识别旨在从非结构化数据中抽取结构化实体，目前的主流研究都使用了大量的训练数据。针对中文医疗命名实体识别训练数据匮乏的问题，提出了基于联合分词的RBAC(RoBERTa-BiGRU-Attention-CRF)模型和基于语义搜索的命名实体识别数据增强方法。首先利用预训练模型和双向门控循环单元(BiGRU)提取文本的深度双向语义表示，再将该语义表示分别送入分词模块和命名实体识别模块。分词模块利用条件随机场(CRF)得到分词信息。命名实体识别模块利用BiGRU与多头注意力得到混合语义表示，再送入CRF得到命名实体识别的标签序列。在CCKS2019中文电子病历数据集上的实验结果表明，该方法在数据量较少的情况下F1达到90.5%，证明了该方法的有效性。