基于ALBERT与BILSTM的糖尿病命名实体识别

糖尿病命名实体识别技术能够从糖尿病文献中识别出关键信息,为糖尿病的诊断和治疗工作提供帮助。为此,本研究提出一种基于轻量型动态词向量模型(ALBERT)与双向长短记忆神经网络的命名实体识别方法,该方法旨在解决BERT语义单一、词汇量有限的问题。除此之外,还针对动态词向量训练耗时长、资源成本高的缺点进行了改进。本实验在糖尿病数据集上展开,并与现有主流模型进行对比。结果表明,融合ALBERT的实体识别效果均高于现有主流模型,且ALBERT较BERT训练速度有所提升。