科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对电子病历中包含着大量的非结构化数据，而计算机难以处理且无法挖掘其潜在信息的问题，文中提出了一种基于改进神经网络的医疗大数据智能处理算法，以实现对医疗命名实体的识别。该算法利用迁移学习来预训练模型，并使用双向长短期记忆网络来提取特征。通过改进自注意力机制将多个特征向量与BiLSTM模型的隐式输出相结合，对不同的电子病历命名实体给出不同的权重，可有效提取命名实体中隐藏的解码信息，进而提升模型的识别率。在CCKS公开数据集上进行的实验测试结果表明，所提算法取得了较为理想的结果，具有良好的应用价值。
- 单位
