换一批基于条件随机场的中医临床病历命名实体抽取
Named Entity Extraction of Traditional Chinese Medicine Medical Records Based on Conditional Random Field
摘要中医临床病历是中医重要的科研数据资源,但目前临床病历仍以文本为主要表达形式,对病历数据深入分析的前提是进行结构化信息抽取,而命名实体抽取是其基础性步骤。针对中医临床病历的命名实体,如症状、疾病和诱因等的抽取问题,通过手工标注的413份病历数据(以中文字为特征)与4类特征模版,将条件随机场( CRF)、隐马尔科夫模型( HMM)和最大熵马尔科夫模型( MEMM)用于中医病历命名实体抽取的实验,并进行比较分析。结果表明,结合合适的特征模版,CRF命名实体抽取方法取得了较好的性能,F1值的症状达到0.80,疾病名称达到0.74,诱因0.74。与HMM和MEMM相比,CRF有最高的准确率和召回率,是一种较为适用的中医临床病历命名实体抽取方法。
更多相关知识
关键词
中医临床病历命名实体抽取语料库标注系统条件随机场特征模板Traditional Chinese Medicine( TCM) medical recordsnamed entity extractioncorpus annotation systemConditional Random Field( CRF)feature template
分类号
TP391
栏目名称
DOI
10.3969/j.issn.1000-3428.2014.09.062
发布时间
2014-09-26（万方平台首次上网日期，不代表论文的发表时间）
基金项目
- 浏览6
- 被引70
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
