摘要
[目的/意义]本研究对少样本高质量医学知识中的实体进行自动识别,为高效、准确处理少样本文本形式医学数据的结构化问题奠定基础。[方法/过程]构建肺癌概念体系、凝练肺癌核心概念并构建领域词典,利用该词典对肺癌诊疗规范进行分词标注后,通过利用字符位置标签构造自适应Embedding的方式将领域词典与字符级NER模型Soft-Lexicon相融合,形成Fusion-Lexicon,从而实现对肺癌诊疗规范文本中各类实体的自动识别。[结果/结论]Fusion-Lexicon的P、R、F1值分别为93.75%、94.02%、93.88%,其NER性能优于基线模型。研究方法在实现少样本高质量医学知识的有序化、结构化上具备可行性和优越性。
- 单位