换一批基于词典和多特征融合的中文医学命名实体识别
Chinese Medical Named Entity Recognition Based on Lexicon and Multi-feature Fusion
摘要目的 针对现有方法中存在因分词导致级联错误从而影响实体识别效果,以及如何构建并融合高质量医学实体特征的问题,提出一个基于词典和多特征融合的中文医学命名实体识别模型.方法 该模型首先利用词典匹配机制和Lattice点阵结构来融合字符与医学词汇信息,利用字词的相对位置信息获取相对位置嵌入,并对汉字拼音进行编码得到拼音嵌入;然后提出一个融合Transformer模型来挖掘不同特征之间的互补性,以增强词汇信息并促进字词信息和拼音信息更好地融合;最后,将融合多特征的字符表示输入到条件随机场中来获得预测的标签.结果 在CCKS-2019和Resume数据集上的实验结果表明,该方法在多个指标上均得到了较好的提升.结论 避免了分词错误对命名实体识别效果造成的影响,通过融合Transformer模型更好地融合了多种医学实体特征,加强了模型识别词边界的能力,进而提高了模型识别医学实体的准确率,为后续构建医学知识图谱,实现智能化医学诊断提供了帮助.
更多相关知识
关键词
中文命名实体识别Lattice多特征融合TransformerChinese named entity recognitionLatticemulti-feature fusionTransformer
栏目名称
DOI
10.16055/j.issn.1672-058X.2026.0002.004
发布时间
2026-04-30（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家自然科学基金（62076006）
安徽高校协同创新项目（GXXT-2021-008）
- 浏览0
- 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
