结合神经文本生成的FLAT模型的中文电子病历命名实体识别

作者：陈鹏; 苏志同; 余肖生

来源：重庆理工大学学报：自然科学, 2022, 36(09): 98-109.

DOI：10.3969/j.issn.1674-8425(z).2022.09.013

• 命名实体识别
• 电子病历
• FLAT
• 神经文本生成

随着医疗信息化的发展，电子病历命名实体识别受到了广泛关注。电子病历中包含大量的专业词汇，而专业词汇的切分错误会使命名实体识别效果不佳。FLAT模型在引入词边界信息时能有效避免分词错误信息的传播，提高命名实体识别效果，但FALT模型依赖于高质量的词典信息。针对这一问题，提出了结合神经文本生成的FLAT模型，使用神经文本生成方法生成大量新病历文本，通过提出的评分函数筛选通顺的文本训练词向量作为FLAT模型的词典信息。实验表明：结合神经文本生成的FLAT模型在CCKS2017数据集上取得了95.32%的F1分数，比BiLSTM CRF模型提高了1.16%,比BERT CRF模型提高了0.89%;在CCKS2019数据集上取得了85.87%的F1分数，比BiLSTM CRF模型提高了5.19%,比BERT CRF模型提高了1.34%。