| 一种在线医疗社区问答文本实体识别方法——基于卷积神经网络和双向长短期记忆神经网络 |
| |
| 引用本文： | 廖开际,邹珂欣,席运江.一种在线医疗社区问答文本实体识别方法——基于卷积神经网络和双向长短期记忆神经网络[J].科技管理研究,2021,41(8):173-179. |
| |
| 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,广东广州 510641 |
| |
| 摘 要： | 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)和双向长短期记忆神经网络(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.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,将通过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.以关于乳腺癌疾病问答文本为例,研究结果表明,运用该方法得到的识别结果优于其他模型,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 双向长短期记忆神经网络 条件随机场 |
An Online Medical Community Q&A Text Entity Recognition Method: Based on CNN and BiLSTM |
| |
| Liao Kaiji,Zou Kexin,Xi Yunjiang.An Online Medical Community Q&A Text Entity Recognition Method: Based on CNN and BiLSTM[J].Science and Technology Management Research,2021,41(8):173-179. |
| |
| Authors: | Liao Kaiji Zou Kexin Xi Yunjiang |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
