ScholarMate
English简体中文繁體中文
客服热线:400-1616-289
登录注册
期刊论文

基于E-CNN和BLSTM-CRF的临床文本命名实体识别

曹春萍; 关鹏举上海理工大学
计算机应用研究2019DOI: 10.19734/j.issn.1001-3695.2018.09.0606
8阅读
引用收藏
分享

摘要

在生物医学临床病历文本的命名实体识别任务中,传统的解决方案由于对实体的边界划分不够精确,影响了部分复合实体的识别。通过研究复合实体的特性,提出一种集成的卷积神经网络(E-CNN)模型与双向长短期记忆网络(BLSTM)和条件随机场(CRF)结合的模型,通过对CNN中的卷积层设定不同卷积窗口的大小,来捕获多个词语之间更丰富的边界特征信息。然后将集成的特征信息传递给BLSTM模型进行训练,最后由CRF模型得到最终的序列标注。实验结果表明,该方法针对临床病历文本中的复合实体识别具有良好的效果。

学科与关键词

关键词
命名实体识别临床文本集成的卷积神经网络 named entity recognitionclinical textE-CNN
相关
加载中…

文献加载失败,请重试

重试

发表信息

论文状态
公开发表
期刊
计算机应用研究
发表日期
2019
卷期
第 12 期
页码
3748-3751
DOI
10.19734/j.issn.1001-3695.2018.09.0606
成果收录
CHINAJOURNAL
资助标注
国家自然科学基金资助项目(61402288);上海市自然科学基金资助项目(15ZR1429100);

作者

  • 曹

    曹春萍 (第一作者)

  • 关

    关鹏举

登录解锁更多功能

  • 收藏这篇,随时在“我的 · 收藏”找回
  • 认领你的成果,生成推广素材
  • 关注作者获取最新成果
  • 加入项目组、协同写作
注册 / 登录

产品服务

  • 科研之友
  • 创新城
  • 科创云

服务支持

  • 帮助中心
  • 隐私政策
  • 服务条款

联系方式

在线客服:【】
客服热线:400-1616-289
电子邮箱:support@scholarmate.com

关注或下载科研之友

微信二维码
微信公众号
客户端下载二维码
下载客户端
科研成果科研人员科研机构科研动态爱瑞思软件

©2026 深圳市科研之友网络服务有限公司

公安备案图标粤公网安备 44030502000213
粤ICP备 16046710 号粤B2-20110417