基于深度学习多模型融合的医疗命名实体识别

作者：梁文桐; 朱艳辉; 詹飞; 冀相冰; 张旭

来源：计算机应用与软件, 2022, 39(10): 162-229.

• 命名实体识别
• 深度学习
• 融合模型
• 语义特征
• 电子病历

针对医疗命名实体识别中单一模型获取文本语义特征不足的问题，提出基于深度学习多模型融合的医疗命名实体识别方法。提出一种基于变异系数的加权投票算法，构建基于BERT(Bidirectional Encoder Representations from Transformers)-MNER、IDCNN(Iterated Dilated Convolution Neural Networks)-MNER、GAT(Graph Attention Networks)-MNER的融合模型，然后提出一种基于历史信息的实体纠错算法优化融合结果。以2019年全国知识图谱与语义计算大会(CCKS2019)中文电子病历医疗实体识别语料作为实验数据，实验结果表明，该方法获得了较好的识别效果，精确率、召回率和F1值分别达到89.56%、82.77%和86.03%。

• 单位
  湖南工业大学