| 基于BLSTM网络的医学时间短语识别 |
| |
| 引用本文： | 张顺利,王应军,姬东鸿.基于BLSTM网络的医学时间短语识别[J].计算机应用研究,2020,37(4):1059-1062. |
| |
| 作者姓名： | 张顺利 王应军 姬东鸿 |
| |
| 作者单位： | 河南科技学院 信息工程学院,河南 新乡453003;武汉大学 国家网络安全学院,武汉430205 |
| |
| 基金项目： | 国家自然科学基金;河南省重点科研研究项目 |
| |
| 摘 要： | 从医学文本中识别时间短语是临床医学自然语言处理的关键技术之一。传统基于规则和机器学习的方法，需要设计复杂规则和提取特征，而且大多数系统采用串行方法会导致错误的传播。提出了一种基于双向长短时记忆网络（BLSTM）的神经网络架构，在识别时间表示式的同时判别它们的类型：首先使用卷积神经网络（CNN）学习得到单词的字符级别向量和大规模生物医学背景语料上训练得到的词向量进行组合作为BLSTM的输入，然后使用BLSTM网络学习单词的上下文语义表示，最后使用条件随机场（CRF）对BLSTM输出的序列进行标签优化。实验基于SemEval 2016的task 12，结果表明没有添加任何特征的神经网络学习方法比该任务中官方提供的最高分的◢F▼1▽◣值提高了3%。
|
| 关 键 词： | 时间短语 病历文本 长短时记忆网络 |
| 收稿时间： | 2018/9/11 0:00:00 |
| 修稿时间： | 2020/3/9 0:00:00 |
Temporal phrases extraction in clinical text based on bidirectional long-short term memory model |
| |
| Zhang Shunli,Wang Yingjun and Ji Donghong.Temporal phrases extraction in clinical text based on bidirectional long-short term memory model[J].Application Research of Computers,2020,37(4):1059-1062. |
| |
| Authors: | Zhang Shunli Wang Yingjun and Ji Donghong |
| |
| Affiliation: | Dept of Information Engineering,Henan Institute of Science and Technology,Xinxiang,Henan,, |
| |
| Abstract: | |
| |
| Keywords: | time expressions clinical text LSTM |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《计算机应用研究》浏览原始摘要信息 |
|
点击此处可从《计算机应用研究》下载全文 |
