|
|||||
|
|
| 一种基于卷积神经网络和双向长短记忆神经网络的在线医疗社区问答文本实体识别方法 | |
| 引用本文： | 廖开际,邹珂欣,席运江.一种基于卷积神经网络和双向长短记忆神经网络的在线医疗社区问答文本实体识别方法[J].科技管理研究,2021(8). |
| 作者姓名： | 廖开际 邹珂欣 席运江 |
| 作者单位： | 华南理工大学工商管理学院,华南理工大学工商管理学院,华南理工大学工商管理学院 |
| 基金项目： | 国家自然科学基金项目：基于超网络的企业微博知识挖掘及整合方法研究(项目编号:71371077) |
| 摘 要： | 目的/意义]针对在线医疗社区问答文本复杂程度高、结构化程度低的特点，结合卷积神经网络（CNN）和双向长短记忆神经网络（BiLSTM）两种深度学习模型以及条件随机场（CRF）模型，提出一套适用于在线医疗问答文本的实体识别方法并进行验证。 过程/方法] 将问答文本进行清洗和BIO标注后，分别用CNN和BiLSTM进行字级别的特征抽取，将两种模型抽取到的特征进行融合，后放入CRF中训练出实体预测模型，再将问答文本放入训练好的模型中得到最终的实体识别结果。结果/结论]在所选取的乳腺癌医疗社区问答文本数据集上，所提出的方法结果优于其他模型，且识别准确率达到92.3%，召回率达到89.3%，F值达到90.8%。 |
| 关 键 词： | 实体识别 深度学习 卷积神经网络 双向长短记忆神经网络 条件随机场 |
| 收稿时间： | 2020/6/28 0:00:00 |
| 修稿时间： | 2021/4/12 0:00:00 |
An online medical community Q A text entity recognition method based on CNN and BiLSTM |
|
| Abstract: | |
| Keywords: | Entity Recognition Deep Learning Convolutional Neural Network Bidirectional Long Short-Term Memory Conditional Random Field |
| 点击此处可从《科技管理研究》浏览原始摘要信息 | |
| 点击此处可从《科技管理研究》下载免费的PDF全文 | |