基于RBIEGP的中文医疗实体识别

来源：计算机技术与发展杂志2025年第06期北京时间：

作者：周文卓;廖光忠

单位：1. 武汉科技大学 计算机科学与技术学院,湖北 武汉 430065;2. 武汉科技大学 智能信息处理与实时工业系统湖北省重点实验室,湖北 武汉 430065

摘要：中文医疗文本的实体识别是自然语言处理领域的重点研究方向,文本的内在复杂性,包括术语的歧义性、实体的层级性以及对上下文信息的高度依赖,均有可能对实体识别任务的结果产生显著影响。 为此,提出一种基于 RBIEGP 模型的中文实体识别方法。 该方法首先利用 RoBERTa-wwm-ext 预训练模型对输入的中文医疗文本进行编码处理,以生成包含丰富语义信息的词向量序列;然后,将这些词向量序列送入 BiGRU 网络和集成了注意力机制的迭代扩张卷积神经网络,以捕获输入文本的上下文信息以及扩展感受野;最后,将这些融合了语法语义特征、上下文信息以及扩展感受野的特征一起输入到全局指针网络(Efficient Global Pointer,EGP),以进行实体类别的判定,并输出具有高准确度的实体类别序列。 实验结果表明,RBIEGP 模型在 CMeEE/ Yidu-S4k数据集上的F1分数分别达到了70.47%和83.02%,相较于一些现有的主流模型,分别提升了 2. 72 百分点和 1. 99 百分点。

关键词：实体识别;预训练;全局指针网络;注意力机制;感受野