基于对抗训练的中文电子病历命名实体识别

作者：孔令巍; 朱艳辉^*; 张旭; 欧阳康; 黄雅淋; 金书川; 沈加锐

来源：湖南工业大学学报, 2022, 36(03): 36-43.

• 中文电子病历
• 命名实体识别
• 对抗训练
• BERT
• BiLSTM
• CRF
• FGM
• PGD

为提高传统命名实体识别模型在中文电子病历上的准确性，提出一种在基线模型BERT-BiLSTM-CRF中加入对抗训练的方法，该方法在词嵌入层添加扰动因子从而生成对抗样本，并利用对抗样本进行迭代训练，从而优化模型参数。CCKS2021评测数据集实验结果表明，加入FGM和PGD两个对抗训练模型后，其精准率、召回率以及F1值相比于基线模型均有所提升。并且通过对比实验，验证了加入对抗训练能够提高模型的预测能力和鲁棒性。

• 单位
  湖南工业大学