期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
多任务学习的中文电子病历命名实体识别研究
被引量:
4
1
作者
余俊康
《软件导刊》
2021年第11期42-46,共5页
中文医疗实体识别是中文电子病历文本信息抽取的关键环节,然而电子病历标注数据较为稀缺,导致在文本信息抽取结果上有一定的局限性。针对中文电子病历标注数据较为稀缺的现状,提出一种具有交叉共享结构的医疗实体命名识别多任务学习模型...
中文医疗实体识别是中文电子病历文本信息抽取的关键环节,然而电子病历标注数据较为稀缺,导致在文本信息抽取结果上有一定的局限性。针对中文电子病历标注数据较为稀缺的现状,提出一种具有交叉共享结构的医疗实体命名识别多任务学习模型,以克服通用深度学习模型需要大量中文电子病历标注数据的困难。将该模型与其他模型在中文电子病历实体识别任务上进行实验比较,基于交叉共享结构的多任务学习模型在CCKS2017和CCKS2018数据集上的精确率分别为90.5%、90.8%。研究表明,基于NEZHA和多任务的医疗命名实体识别模型可以有效地学习多个相关任务的信息,从而提高目标域的识别率。
展开更多
关键词
NEZHA
多任务学习
命名实体识别
中文电子病历
交叉
共享
结构
下载PDF
职称材料
题名
多任务学习的中文电子病历命名实体识别研究
被引量:
4
1
作者
余俊康
机构
广东工业大学计算机学院
出处
《软件导刊》
2021年第11期42-46,共5页
文摘
中文医疗实体识别是中文电子病历文本信息抽取的关键环节,然而电子病历标注数据较为稀缺,导致在文本信息抽取结果上有一定的局限性。针对中文电子病历标注数据较为稀缺的现状,提出一种具有交叉共享结构的医疗实体命名识别多任务学习模型,以克服通用深度学习模型需要大量中文电子病历标注数据的困难。将该模型与其他模型在中文电子病历实体识别任务上进行实验比较,基于交叉共享结构的多任务学习模型在CCKS2017和CCKS2018数据集上的精确率分别为90.5%、90.8%。研究表明,基于NEZHA和多任务的医疗命名实体识别模型可以有效地学习多个相关任务的信息,从而提高目标域的识别率。
关键词
NEZHA
多任务学习
命名实体识别
中文电子病历
交叉
共享
结构
Keywords
NEZHA
multi-task learning
name entity recognition
Chinese clinical
cross-sharing structure
分类号
TP301 [自动化与计算机技术—计算机系统结构]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
多任务学习的中文电子病历命名实体识别研究
余俊康
《软件导刊》
2021
4
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部