糖尿病领域命名实体识别模型

随着信息技术的发展，电子文档在糖尿病领域的信息记录中得到了大量应用。通过自动化技术对这些电子文档进行分析具有重大的意义。由于现有的命名实体识别方法在糖尿病领域中识别准确率较低。为改善这种现状，提出了双层的双向长短时记忆神经网络条件随机场模型(Bi-LSTM-CRF)，并将其应用到糖尿病领域命名实体识别任务中。实验结果表明该模型在 15 种类别的验证数据集上平均准确率达到了 89.14%，且在外部测试集上平均 F1 值为 72.89%,充分揭示了 Bi-LSTM-CRF 模型的有效性。在糖尿病领域命名实体识别任务中，鉴于目前比较缺乏成熟的自动化技术来支撑实体识别任务。因此提出了基于双层 Bi-LSTM-CRF 模型来识别糖尿病领域的命名实体，该模型在实验数据集上取得了较好的效果，它的平均准确率达到了 89.14%，在外部测试集上的 F1值为 72.89%。提出的双层 Bi-LSTM-CRF 命名实体识别模型，在小规模的糖尿病领域实体识别数据集上已经取得了较好的识别准确率，但是模型在大规模数据集上未做相关实验，未来会进一步提升模型的性能，并将改进后的模型应用于大规模糖尿病领域命名实体任务。