基于句子级Lattice-长短记忆神经网络的中文电子病历命名实体识别

作者：潘璀然; 王青华; 汤步洲; 姜磊; 黄勋; 王理^*

来源：第二军医大学学报, 2019, 40(05): 497-506.

DOI：10.16781/j.0258-879x.2019.05.0497

• 计算机化病案系统
• 中文电子病历
• 实体识别
• 条件随机场
• 双向长短记忆神经网络
• 点阵长短记忆神经网络

目的提出一种基于Re-entity新分词方法的条件随机场(CRF)模型,并与双向长短记忆神经网络(BiLSTM)-CRF和Lattice-长短记忆神经网络(LSTM)进行比较。方法比较了现有实体识别方法和模型后,针对2018年全国知识图谱与语义计算大会(CCKS2018)任务一"电子病历命名实体识别",提出基于Re-entity的CRF、BiLSTM-CRF、Lattice-LSTM方法,并在不同语料库训练不同参数级别的字符向量集。分别将各方法引入神经网络模型中进行模型性能对比实验,最后分别基于句子级和篇级输入句长进行对比研究。结果 CRF模型在最优特征工程的结果下引入Re-entity方法后性能得到提高,句子级的Lattice-LSTM模型在该任务上取得了89.75%的严格F1-measure,优于CCKS2018任务一的最高结果(89.25%)。结论基于Re-entity新分词方法的CRF模型可利用中文临床药物知识库有效提高电子病历中药物的识别率,Re-entity方法可改善数据预处理阶段分词导致的错误累加,Lattice结构可以更好地结合字符和词序列的潜在语义信息,同时句子级输入能有效提高神经网络模型的识别准确率。

• 单位
  哈尔滨工业大学（深圳）; 长征医院; 南通大学; 中国人民解放军第二军医大学