首页
|
本学科首页
官方微博
|
高级检索
全部专业
教育
科学、科学研究
世界各国文化与文化事业
体育
文化理论
信息与知识传播
学报及综合类
按
中文标题
英文标题
中文关键词
英文关键词
中文摘要
英文摘要
作者中文名
作者英文名
单位中文名
单位英文名
基金中文名
基金英文名
杂志中文名
杂志英文名
栏目英文名
栏目英文名
DOI
责任编辑
分类号
杂志ISSN号
检索
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
设为首页
|
免责声明
|
关于勤云
|
加入收藏
Copyright
©
北京勤云科技发展有限公司
京ICP备09084417号