融入对抗训练的中文电子病历命名实体识别

作者：李曼玉; 于瓅^*

来源：现代信息科技, 2023, 7(02): 90-93.

DOI：10.19850/j.cnki.2096-4706.2023.02.022

• 命名实体识别
• 中文电子病历
• BERT
• 对抗训练

为提高中文电子病历中命名实体识别模型鲁棒性和准确性，为此提出一种基于BERT模型融入对抗网络的中文电子命名实体识别模型，该方法使用BERT预训练模型动态生成字向量，通过对抗训练生成扰动，将字向量与扰动相加生成对抗样本，再通过膨胀卷积网络（IDCNN）捕捉句子单词间的依赖，最后通过条件随机场（CRF）得到最终预测结果。在CCKS2019数据集上的实验表明，模型的F1值达到83.19%，证明该模型的有效性。

• 单位
  安徽理工大学