换一批基于层级参数变换的电子病历多任务信息提取
Multi-Task Information Extraction of Electronic Medical Records Based on Hierarchical Parameter Transformation
摘要针对电子病历命名实体识别和负面断言检测的热点和难点问题,提出了一种基于层级参数变换的电子病历多任务信息提取方法.该方法通过基于层级参数转换矩阵的迁移学习策略实现标注模型间接的参数优化,以解决数据稀缺导致目标模型不能直接训练的难题,同时引入了示性函数门控单元结构,用于对底层语义特征的自适应变换,以实现多任务联合学习.结果表明,本研究提出的方法能同时得到命名实体识别和负面断言检测结果,且性能指标得到了提升.中文数据集测试中使用迁移模型后得到的F1值提高了约1.8％,英文数据集测试中使用迁移多任务模型比单任务模型得到的F1值提高了 1.9％.所提出的方法在电子病历的多任务信息提取上具有重要的实践价值.
更多相关知识
关键词
电子病历多任务学习迁移学习命名实体识别负面断言检测electronic medical recordsmulti-task learningtransfer learningnamed entity recognitionnegative assertion detection
分类号
R318（医用一般科学）
栏目名称
DOI
10.3969/j.issn.0258-8021.2024.05.011
发布时间
2024-12-02（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5
- 被引2
- 下载2
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
