期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
6
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于预训练模型的医疗命名实体识别
1
作者
凯比努尔·赛地艾合买提
《移动信息》
2024年第3期209-212,216,共5页
文中针对生物医学实体识别中存在的边界识别不准确和鲁棒性差的问题,提出了一种融合了预训练语言模型BERT与跨度标签网络的命名实体识别模型。该模型利用BERT获取文本的上下文信息,并结合跨度标签网络进行实体分类及边界判定,显著提升...
文中针对生物医学实体识别中存在的边界识别不准确和鲁棒性差的问题,提出了一种融合了预训练语言模型BERT与跨度标签网络的命名实体识别模型。该模型利用BERT获取文本的上下文信息,并结合跨度标签网络进行实体分类及边界判定,显著提升了实体识别的准确性。为增强模型的鲁棒性,引入对抗训练策略,通过迭代训练正常样本与对抗样本,以优化模型参数。基于CCKS2019评测数据集的实验表明,应用对抗训练方法后,其精准率、召回率及F1值均有所提升,验证了对抗训练能对提高模型的预测能力和鲁棒性的有效性。
展开更多
关键词
医疗命名
实体识别
预训练模型
神经网络
对抗训练
下载PDF
职称材料
基于RoBERTa和对抗训练的中文医疗命名实体识别
被引量:
5
2
作者
郭瑞
张欢欢
《华东理工大学学报(自然科学版)》
CAS
CSCD
北大核心
2023年第1期144-152,共9页
BERT(Bidirectional Encoder Representations from Transformers)和神经网络模型相结合的方法目前已被广泛应用于中文医疗命名实体识别领域。但BERT在中文中是以字为粒度切分的,没有考虑到中文分词。而神经网络模型往往局部不稳定,即...
BERT(Bidirectional Encoder Representations from Transformers)和神经网络模型相结合的方法目前已被广泛应用于中文医疗命名实体识别领域。但BERT在中文中是以字为粒度切分的,没有考虑到中文分词。而神经网络模型往往局部不稳定,即使微小的扰动也可能误导它们,导致模型的鲁棒性差。为了解决这两个问题,提出了一种基于RoBERTa(A Robustly OptimizedBERTPre-trainingApproach)和对抗训练的中文医疗命名实体识别模型(ATRBC)。首先,使用RoBERTa-wwm-ext-large(ARobustlyOptimizedBERTPre-training Approach-whole word masking-extended data-large)预训练模型得到输入文本的初始向量表示;其次,在初始向量表示上添加一些扰动来生成对抗样本;最后,将初始向量表示和对抗样本一同依次输入双向长短期记忆网络和条件随机场中,得到最终的预测结果。在CCKS 2019数据集上的实验结果表明,AT-RBC模型的F1值达到了88.96%;在Resume数据集上的实验结果表明,AT-RBC模型的F1值也达到了97.14%,证明了该模型的有效性。
展开更多
关键词
医疗命名
实体识别
RoBERTa-wwm-ext-large
对抗训练
双向长短期记忆网络
条件随机场
下载PDF
职称材料
基于神经网络的医疗命名实体抽取研究
3
作者
米仁沙·艾尼
《数字通信世界》
2023年第9期38-40,53,共4页
随着互联网技术的快速发展和信息化时代的到来,人们对数据的需求越来越大。如何从海量文本中快速、准确地获取有用信息成为了一个亟待解决的问题。作为一种重要的自然语言处理方法,命名实体识别(NER)在很多领域都有广泛应用,如机器翻译...
随着互联网技术的快速发展和信息化时代的到来,人们对数据的需求越来越大。如何从海量文本中快速、准确地获取有用信息成为了一个亟待解决的问题。作为一种重要的自然语言处理方法,命名实体识别(NER)在很多领域都有广泛应用,如机器翻译、自动问答系统等。但是由于医学文献本身专业性较强,且存在大量的半结构化或非结构化文本,使得传统的NER模型很难直接用于医学领域。因此,文章针对医学文本特点,提出了一种基于BiLSTM-CRF的医疗命名实体抽取算法,并通过实验证明了该方法能够有效提高医疗命名实体识别率。重点分析了BiLSTM-CRF模型原理及其优势所在;然后,将BiLSTM-CRF模型与改进后的BiLSTM模型相结合,构建出一种新的双向长短期记忆网络模型——BiLSTM-CRF+BiLSTM模型;最后,利用上述模型进行训练,实现了医疗命名实体抽取。
展开更多
关键词
神经网络
医疗命名
实体抽取
下载PDF
职称材料
基于新词发现和Lattice-LSTM的中文医疗命名实体识别
被引量:
8
4
作者
赵耀全
车超
张强
《计算机应用与软件》
北大核心
2021年第1期161-165,249,共6页
在医疗命名实体识别中,由于存在大量医学专业术语和语料中语言不规范的原因,识别的准确率不高。为了识别未登录的医学术语和应对语言不规范问题,提出一种基于N-grams新词发现的Lattice-LSTM的多粒度命名实体识别模型。在医疗对话语料中...
在医疗命名实体识别中,由于存在大量医学专业术语和语料中语言不规范的原因,识别的准确率不高。为了识别未登录的医学术语和应对语言不规范问题,提出一种基于N-grams新词发现的Lattice-LSTM的多粒度命名实体识别模型。在医疗对话语料中使用N-grams算法提取新词并构造一个医疗相关的词典,通过Lattice-LSTM模型将输入的字符和所有能在词典匹配的单词一起编码,其中门结构能够使模型选择最相关的字符和单词。Lattice-LSTM能够利用发现的新词信息识别未登录的医学术语,从而得到更好的实验识别结果。
展开更多
关键词
医疗命名
实体识别
N-GRAMS
新词发现
Lattice-LSTM
下载PDF
职称材料
融合嵌入字词特征的中文医疗命名实体识别
被引量:
5
5
作者
张厚昌
刘成良
《中华医学图书情报杂志》
CAS
2021年第9期42-49,共8页
针对中文医疗文献中的中文词边界模糊、分词歧义导致传统深度学习方法难以获取词汇语义信息的问题,提出了一种融合嵌入字词特征的中文医疗命名实体识别模型。首先,针对词向量缺失边界特征的问题,将词向量与词性、词边界特征拼接融合,结...
针对中文医疗文献中的中文词边界模糊、分词歧义导致传统深度学习方法难以获取词汇语义信息的问题,提出了一种融合嵌入字词特征的中文医疗命名实体识别模型。首先,针对词向量缺失边界特征的问题,将词向量与词性、词边界特征拼接融合,结合注意力机制捕获字符间潜在的依赖权重等特征和增强词汇向量;其次,将通过BERT模型获得的字符向量与增强词汇向量拼接融合作为嵌入的基础上,利用BiLSTM模型提取上下文语义信息特征;最后通过CRF模型进行序列解码。利用瑞金医院标准化代谢性疾病管理中心(MMC)的糖尿病标注数据集对融合嵌入字词特征的中文医疗命名实体识别模型进行实验,获得了较好的结果。
展开更多
关键词
中文
医疗命名
实体识别
注意力机制
字词特征融合
BiLSTM模型
CRF模型
下载PDF
职称材料
中文在线健康社区中的医疗命名实体识别方法研究
6
作者
杨杭州
刘凯
+2 位作者
颜志军
李军莲
孙海霞
《信息系统学报》
CSSCI
2018年第1期62-71,共10页
医疗命名实体识别在网络非结构化健康文本的知识发现中至关重要。目前的方法存在难以识别网络上不规范的名称和需要人工标注等问题,且往往没有考虑医疗领域的特点。结合中文一体化医学语言系统和网络拓展词典构建的医疗领域词典,并使用...
医疗命名实体识别在网络非结构化健康文本的知识发现中至关重要。目前的方法存在难以识别网络上不规范的名称和需要人工标注等问题,且往往没有考虑医疗领域的特点。结合中文一体化医学语言系统和网络拓展词典构建的医疗领域词典,并使用基于语义规则的方法,本文提出一种基于LDA和CRF的混合模型识别在线医疗命名实体。与两种基准方法的比较表明了该方法在网络健康社区文本中医疗命名实体识别的有效性。
展开更多
关键词
医疗命名
实体识别
在线健康社区
LDA
CRF
原文传递
题名
基于预训练模型的医疗命名实体识别
1
作者
凯比努尔·赛地艾合买提
机构
喀什大学计算机科学与技术学院
出处
《移动信息》
2024年第3期209-212,216,共5页
基金
喀什大学校内课题:知识图谱构建中命名实体识别研究((2020)2737)。
文摘
文中针对生物医学实体识别中存在的边界识别不准确和鲁棒性差的问题,提出了一种融合了预训练语言模型BERT与跨度标签网络的命名实体识别模型。该模型利用BERT获取文本的上下文信息,并结合跨度标签网络进行实体分类及边界判定,显著提升了实体识别的准确性。为增强模型的鲁棒性,引入对抗训练策略,通过迭代训练正常样本与对抗样本,以优化模型参数。基于CCKS2019评测数据集的实验表明,应用对抗训练方法后,其精准率、召回率及F1值均有所提升,验证了对抗训练能对提高模型的预测能力和鲁棒性的有效性。
关键词
医疗命名
实体识别
预训练模型
神经网络
对抗训练
Keywords
Medical named entity recognition
Pretraining model
Neural network
Confrontation training
分类号
TP391.1 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于RoBERTa和对抗训练的中文医疗命名实体识别
被引量:
5
2
作者
郭瑞
张欢欢
机构
华东理工大学信息科学与工程学院
出处
《华东理工大学学报(自然科学版)》
CAS
CSCD
北大核心
2023年第1期144-152,共9页
文摘
BERT(Bidirectional Encoder Representations from Transformers)和神经网络模型相结合的方法目前已被广泛应用于中文医疗命名实体识别领域。但BERT在中文中是以字为粒度切分的,没有考虑到中文分词。而神经网络模型往往局部不稳定,即使微小的扰动也可能误导它们,导致模型的鲁棒性差。为了解决这两个问题,提出了一种基于RoBERTa(A Robustly OptimizedBERTPre-trainingApproach)和对抗训练的中文医疗命名实体识别模型(ATRBC)。首先,使用RoBERTa-wwm-ext-large(ARobustlyOptimizedBERTPre-training Approach-whole word masking-extended data-large)预训练模型得到输入文本的初始向量表示;其次,在初始向量表示上添加一些扰动来生成对抗样本;最后,将初始向量表示和对抗样本一同依次输入双向长短期记忆网络和条件随机场中,得到最终的预测结果。在CCKS 2019数据集上的实验结果表明,AT-RBC模型的F1值达到了88.96%;在Resume数据集上的实验结果表明,AT-RBC模型的F1值也达到了97.14%,证明了该模型的有效性。
关键词
医疗命名
实体识别
RoBERTa-wwm-ext-large
对抗训练
双向长短期记忆网络
条件随机场
Keywords
medical named entity recognition
RoBERTa-wwm-ext-large
adversarial training
bidirectional long short-term memory network
conditional random field
分类号
TP391.1 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于神经网络的医疗命名实体抽取研究
3
作者
米仁沙·艾尼
机构
喀什大学计算机科学与技术学院
出处
《数字通信世界》
2023年第9期38-40,53,共4页
文摘
随着互联网技术的快速发展和信息化时代的到来,人们对数据的需求越来越大。如何从海量文本中快速、准确地获取有用信息成为了一个亟待解决的问题。作为一种重要的自然语言处理方法,命名实体识别(NER)在很多领域都有广泛应用,如机器翻译、自动问答系统等。但是由于医学文献本身专业性较强,且存在大量的半结构化或非结构化文本,使得传统的NER模型很难直接用于医学领域。因此,文章针对医学文本特点,提出了一种基于BiLSTM-CRF的医疗命名实体抽取算法,并通过实验证明了该方法能够有效提高医疗命名实体识别率。重点分析了BiLSTM-CRF模型原理及其优势所在;然后,将BiLSTM-CRF模型与改进后的BiLSTM模型相结合,构建出一种新的双向长短期记忆网络模型——BiLSTM-CRF+BiLSTM模型;最后,利用上述模型进行训练,实现了医疗命名实体抽取。
关键词
神经网络
医疗命名
实体抽取
Keywords
neural network
medical naming
entity extraction
分类号
TP391.1 [自动化与计算机技术—计算机应用技术]
TP18 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
基于新词发现和Lattice-LSTM的中文医疗命名实体识别
被引量:
8
4
作者
赵耀全
车超
张强
机构
大连大学计算机辅助设计国家地方联合工程实验室
出处
《计算机应用与软件》
北大核心
2021年第1期161-165,249,共6页
基金
国家自然科学基金项目(61751203)
大连市科技创新基金项目(2018J12GX036)
大连市高层次人才创新支持计划项目(2017RD11)。
文摘
在医疗命名实体识别中,由于存在大量医学专业术语和语料中语言不规范的原因,识别的准确率不高。为了识别未登录的医学术语和应对语言不规范问题,提出一种基于N-grams新词发现的Lattice-LSTM的多粒度命名实体识别模型。在医疗对话语料中使用N-grams算法提取新词并构造一个医疗相关的词典,通过Lattice-LSTM模型将输入的字符和所有能在词典匹配的单词一起编码,其中门结构能够使模型选择最相关的字符和单词。Lattice-LSTM能够利用发现的新词信息识别未登录的医学术语,从而得到更好的实验识别结果。
关键词
医疗命名
实体识别
N-GRAMS
新词发现
Lattice-LSTM
Keywords
Medical named entity recognition
N-grams
New word discovery
Lattice-LSTM
分类号
TP3 [自动化与计算机技术—计算机科学与技术]
下载PDF
职称材料
题名
融合嵌入字词特征的中文医疗命名实体识别
被引量:
5
5
作者
张厚昌
刘成良
机构
上海交通大学机械与动力工程学院
出处
《中华医学图书情报杂志》
CAS
2021年第9期42-49,共8页
基金
国家重点研发计划项目“面向半失能老人的辅助机器人技术与系统”(2018YFB1307005)
上海市卫计委智慧医疗项目“基于人工智能的心律失常监测与大数据分析”(2018ZHYL0226)。
文摘
针对中文医疗文献中的中文词边界模糊、分词歧义导致传统深度学习方法难以获取词汇语义信息的问题,提出了一种融合嵌入字词特征的中文医疗命名实体识别模型。首先,针对词向量缺失边界特征的问题,将词向量与词性、词边界特征拼接融合,结合注意力机制捕获字符间潜在的依赖权重等特征和增强词汇向量;其次,将通过BERT模型获得的字符向量与增强词汇向量拼接融合作为嵌入的基础上,利用BiLSTM模型提取上下文语义信息特征;最后通过CRF模型进行序列解码。利用瑞金医院标准化代谢性疾病管理中心(MMC)的糖尿病标注数据集对融合嵌入字词特征的中文医疗命名实体识别模型进行实验,获得了较好的结果。
关键词
中文
医疗命名
实体识别
注意力机制
字词特征融合
BiLSTM模型
CRF模型
Keywords
Recognition of Chinese-named medical entities
Attention mechanism
Incorporation of word characteristics
BiLSTM model
CRF model
分类号
TP391.1 [自动化与计算机技术—计算机应用技术]
R319 [医药卫生—基础医学]
下载PDF
职称材料
题名
中文在线健康社区中的医疗命名实体识别方法研究
6
作者
杨杭州
刘凯
颜志军
李军莲
孙海霞
机构
北京理工大学管理与经济学院
北京理工大学信息化办公室
中国医学科学院医学信息研究所
出处
《信息系统学报》
CSSCI
2018年第1期62-71,共10页
基金
国家自然科学基金(71572013,71272057 ).
文摘
医疗命名实体识别在网络非结构化健康文本的知识发现中至关重要。目前的方法存在难以识别网络上不规范的名称和需要人工标注等问题,且往往没有考虑医疗领域的特点。结合中文一体化医学语言系统和网络拓展词典构建的医疗领域词典,并使用基于语义规则的方法,本文提出一种基于LDA和CRF的混合模型识别在线医疗命名实体。与两种基准方法的比较表明了该方法在网络健康社区文本中医疗命名实体识别的有效性。
关键词
医疗命名
实体识别
在线健康社区
LDA
CRF
Keywords
health-related named entity recognition
online health communities
latent dirichlet allocation
conditional random field
分类号
C931.6 [经济管理—管理学]
原文传递
题名
作者
出处
发文年
被引量
操作
1
基于预训练模型的医疗命名实体识别
凯比努尔·赛地艾合买提
《移动信息》
2024
0
下载PDF
职称材料
2
基于RoBERTa和对抗训练的中文医疗命名实体识别
郭瑞
张欢欢
《华东理工大学学报(自然科学版)》
CAS
CSCD
北大核心
2023
5
下载PDF
职称材料
3
基于神经网络的医疗命名实体抽取研究
米仁沙·艾尼
《数字通信世界》
2023
0
下载PDF
职称材料
4
基于新词发现和Lattice-LSTM的中文医疗命名实体识别
赵耀全
车超
张强
《计算机应用与软件》
北大核心
2021
8
下载PDF
职称材料
5
融合嵌入字词特征的中文医疗命名实体识别
张厚昌
刘成良
《中华医学图书情报杂志》
CAS
2021
5
下载PDF
职称材料
6
中文在线健康社区中的医疗命名实体识别方法研究
杨杭州
刘凯
颜志军
李军莲
孙海霞
《信息系统学报》
CSSCI
2018
0
原文传递
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部