换一批基于BERT和图注意力网络的医疗文本因果关系抽取算法
Causality extraction algorithm of medical text based on BERT and graph attention network
摘要目的 提出一种能够有效抽取因果关系的算法,以提高医疗领域文本处理的准确性.方法 提出基于Transformer的双向编码器(bidirectional encoder representations from Transformers,BERT)和因果图注意力网络(causal graph attention networks,CGAT)的BERT-CGAT算法.首先构建因果关系图,利用医疗文本对BERT模型进行微调,以获得优化的实体嵌入表示;随后通过知识融合通道整合文本编码信息与因果结构,输入至图注意力网络;采用多头注意力机制并行处理不同子空间信息,增强复杂语义关系捕捉能力;最后通过双通道解码层实现实体及因果关系的同步抽取.结果 在自建的糖尿病因果实体数据集上的实验表明,模型在准确率(99.74%)与召回率(81.04%)上较传统BiLSTM-CRF基线提升0.65%和16.73%,F1 分数达80.83%.结论 BERT-CGAT算法通过结合BERT的语义特征提取能力和图神经网络的关系建模优势,有效提升了医疗文本因果关系抽取的准确性,验证了该方法的有效性.
更多相关知识
分类号
TP391.1
栏目名称
DOI
10.6040/j.issn.1671-7554.0.2025.0152
发布时间
2025-09-12（万方平台首次上网日期，不代表论文的发表时间）
基金项目
潍坊市中央财政支持公立医院改革与高质量发展示范项目（ZFCG-2024-0000505）
- 浏览3
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
