基于BERT的突发公共卫生重大传染病事件实体知识自动抽取研究

作者：江川; 王东波^*

来源：科技情报研究, 2021, 3(02): 23-35.

DOI：10.19809/j.cnki.kjqbyj.2021.02.003

• BERT
• 重大传染病
• 决策支持
• 实体识别
• 深度学习
• 公共卫生

[目的/意义]针对当前对突发公共卫生重大传染病事件的决策支持研究较少,相关实体知识抽取模型建设不足的情况,本研究基于语料库技术、机器学习、深度学习模型,构建重大传染病实体知识抽取模型,为突发公共卫生重大传染病事件提供决策支持。[方法/过程]以人民网传染病新闻、百度百科传染病词条、中科院病毒案例库为研究对象,采用条件随机场模型、循环神经网络模型、预训练文本表征模型,基于BERT对突发公共卫生重大传染病事件的实体知识进行识别与分析,并通过可视化的方式,对传染病的时序演化情况进行了分析。[结果/结论]构建了基于BERT的突发公共卫生重大传染病事件实体知识自动抽取模型,其精准率、召回率、调和平均值分别达到84.09%、87.71%、85.86%,可为相关部门决策提供及时、可靠、有效的信息。

• 单位
  南京农业大学