融合ERNIE与知识增强的临床短文本分类研究

来源：计算机工程与应用杂志2025年第8期北京时间：

作者：温浩, 杨洋

单位：西安建筑科技大学 信息与控制工程学院，西安 710311

摘要：提出一种引入专业医疗知识与文本独特知识的ERNIE模型用于识别无规则的临床短文本。目前ERNIE模型具有一定的医疗领域知识，但是在处理下游任务时无法引入专业医疗知识与文本独特知识，因此为提高临床短文本分类的精确度与效率，提出KW-ERNIE-BiGRU模型。该模型通过引入医学知识与文本独特知识的ERNIE模型训练文本的特征向量，利用BiGRU强化上下文信息，最终在输出层进行文本分类。通过在真实的临床文本的验证与对比实验，KW-ERNIE-BiGRU模型的精确率、召回率、宏F1分别为93.4%、92.1%、92.7%，均优于其他模型。

关键词：深度学习,知识图谱,ERNIE,语义强化,临床短文本分类