换一批融合关系标签和位置信息的中文医疗文本因果关系抽取方法研究
Study on the Method of Causality Extraction from Chinese Medical Texts by Integrating Relational Label and Location Information
摘要目的/意义 利用因果关系词相对位置辅助深度学习模型,提高因果关系预测能力,挖掘医疗文本增益信息.方法/过程 将医疗文本因果关系词相对位置信息表示为关系特征层嵌入预训练语言模型,融合基线模型进行实体识别及关系抽取.结果/结论 嵌入关系特征层的模型F1 值较基线模型BERT-BiLSTM-CRF和CasRel分别提升2.92 个百分点和6.41 个百分点,因果关系预测能力较好.
更多相关知识
关键词
自然语言处理因果关系抽取预训练模型BERT医疗文本natural language processingcausality extractionpre-training modelBERTmedical text
栏目名称
DOI
10.3969/j.issn.1673-6036.2024.01.004
发布时间
2024-03-05（万方平台首次上网日期，不代表论文的发表时间）
基金项目
科技创新新一代人工智能重大项目（2030;2020AAA0104905）
- 浏览38
- 被引10
- 下载4
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
