基于深度学习的疾病命名实体识别

疾病命名实体识别是生物医学领域文本挖掘的最基础任务之一。基于当前流行的深度学习方法,本文采用BiLSTM-CNN-CRF模型来识别生物医学文献中的疾病命名实体。该模型首先用卷积神经网络(CNN)来获取字符级的词向量表示,然后利用双向长短时记忆网络(BiLSTM)来获取单词的隐含表示,最后使用条件随机场(CRF)模型输出疾病实体的标签。实验结果表明,与传统模型相比,深度学习方法在疾病命名实体识别任务上有显著的优势,最终该模型在NCBI语料库上的取得84.47%的F1值。

CRF与词典相结合的疾病命名实体识别

生物医学文献中的疾病命名实体识别问题是疾病相关的生物信息学分析基础,疾病命名实体中的医学术语识别和边界确定是该问题的难点和关键。文中提出了一种CRF(Conditional Random Field)与词典相结合的疾病命名实体识别方法。该方法利用网络资源来构建含有语义信息的医学术语词典,并使用该词典对医学术语进行识别,获得医学术语的语义信息,然后CRF结合这些信息对疾病命名实体进行识别。实验结果表明该方法有效。

融合注意力机制的药用植物文本命名实体识别

药用植物文本的命名实体识别对中医药领域的信息抽取和知识图谱构建起着重要作用。针对药用植物属性文本存在长序列语义稀疏的问题,提出一种基于注意力机制的双向长短时记忆网络(BiLSTM)和条件随机场(CRF)模型相结合的疾病实体识别方法(BiLSTM+ATT-CRF,BAC)。首先对药用植物属性文本进行预处理和半自动化标注构建数据集,并进行预训练得到低维词向量;然后将这些低维词向量输入BiLSTM网络中,得到双向语义依赖的特征向量;Attention层把注意力集中到与当前输出特征高度相关的信息上;最后通过条件随机场(CRF)算法获取最优的标签序列并解码输出。实验结果表明,BAC方法针对药用植物属性文本的长序列语义稀疏问题,疾病命名实体识别效果较传统方法更优。利用BAC方法训练好的模型从1680条文本句子中识别疾病命名实体,共抽取出1422个疾病实体。与药用植物名称进行匹配,共抽取出4316个药用植物治疗疾病的三元组数据。