采用Transformer-CRF的中文电子病历命名实体识别

来源：计算机工程与应用杂志2020年第5期北京时间：

作者：李博，康晓东，张华丽，王亚鸽，陈亚媛，白放

单位：天津医科大学 医学影像学院，天津 300203

摘要：命名实体识别是自然语言处理的基本任务之一。针对中文电子病历命名实体识别传统模型识别效果不佳的问题，提出一种完全基于注意力机制的神经网络模型。实验采用自建真实中文电子病历数据集并对数据集进行人工标注、分词等预处理；对Transformer模型进行训练优化，以提取文本特征；利用条件随机场对提取到的文本特征进行分类识别。为验证所提方法的有效性，将构建的Transformer-CRF神经网络模型与其他7种传统模型进行比较研究，实验采用精确率、召回率和[F1]值三个指标评估模型的识别性能。实验结果显示，在同一语料集下，Transformer-CRF模型对身体部位类的命名实体识别效果较好，[F1]值高达95.02%；且与其他7种传统模型相比，Transformer-CRF模型的精确率、召回率和[F1]值均较高，在一定程度上验证了所构建模型具有较好的识别性能。

关键词：电子病历（EMR）,命名实体识别,Transformer,条件随机场（CRF）