期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
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
上一页 1 下一页 到第
使用帮助 返回顶部