TY - A2的姚明,嘉盟,龚Lejun盟——张Zhifei盟——陈,石漆PY - 2020 DA - 2020/11/24 TI -中国电子病历临床命名实体识别基于深度学习Pretraining SP - 8829219六世- 2020 AB - 背景。临床命名实体识别的基本任务是矿业电子医疗记录的文本,这是与一些挑战包含中国电子医疗记录文本的语言特性与许多化合物实体,严重缺少句子成分,不清楚实体边界。此外,中国电子医疗记录的语料库是很难获得的。 方法。针对中国电子医疗记录的这些特点,本研究提出了一个基于深度学习pretraining中国临床实体识别模型。词使用的模型嵌入域语料库和微调的pretrained实体识别模型相关的语料库。然后BiLSTM变压器分别作为特征提取器来确定四种类型的临床实体包括疾病、症状,药物,和操作从中国电子医疗记录的文本。 结果。75.06%的宏观 P,76.40%的宏观 R,和75.72%的宏观 F1针对测试数据集可以实现。这些实验表明,基于深度学习pretraining中国临床实体识别模型可以有效地提高识别效果。 结论。这些实验表明,该中国基于深度学习pretraining临床实体识别模型可以有效地提高识别性能。SN - 2040 - 2295 UR - https://doi.org/10.1155/2020/8829219 - 10.1155 / 2020/8829219摩根富林明医疗工程PB - Hindawi KW - ER