基于多粒度字形增强的中文医学命名实体识别

来源：计算机工程杂志2024年第2期北京时间：

作者：刘威, 马磊, 李凯, 李蓉

单位：1. 昆明理工大学信息工程与自动化学院, 云南 昆明 6505002. 云南省第一人民医院信息科, 云南 昆明 6505003. 云南省第一人民医院科研科, 云南 昆明 650500

摘要：中文医学命名实体识别（CMNER）旨在从中文非结构化医学文本中提取实体。现有的基于字符的CMNER模型没有从不同角度全面考虑汉字的特点，限制了其应用于CMNER的性能。基于此，提出基于多粒度字形增强的中文医学命名实体识别模型。对于输入的句子，结合汉字的字形空间结构和偏旁部首的表示，同时根据相应的领域词典来匹配字符的领域词信息，增强字符的语义和潜在边界信息，使模型获得更好的实体识别能力；通过门控机制整合领域词和汉字的字形多粒度特征，综合考虑汉字的领域信息和汉字底层信息，从而具有更好的感知医学实体的能力。在此基础上，将多粒度字形增强的字符表示输入到双向长短记忆和条件随机场层，分别进行上下文编码和标签解码。实验结果表明，本文模型较于最佳基线模型在IMCS21和CMeEE数据集上的F1值分别提升了1.04%和0.62%。此外，通过消融实验验证了该模型的每个组成部分的有效性，在识别中文医学命名实体时具有较好的识别性能。

关键词：命名实体识别,医学领域,字形结构,门控机制,领域词典

基金资助：国家自然科学基金(62266025); 云南省重大科技专项计划项目(202202AD080004); 云南省重大科技专项计划项目(202202AE090008); 云南省基础研究计划（昆医联合专项）(202201AY070001-258)