基于LSTM－CＲF命名实体识别技术的研究与应用

来源：计算机技术与发展杂志2019年第02期北京时间：

作者：张聪品;方滔;刘昱良

摘要：随着深度神经网络的发展，深度学习不仅占据了模式识别等领域的统治地位，而且已应用到自然语言处理的各个方面，如中文命名实体识别。对电子病历中的命名实体进行识别时，构建了内嵌条件随机场的长短时神经网络模型，使用长短时神经网络隐含层的上下文向量作为输出层标注的特征，使用内嵌的条件随机场模型表示标注之间的约束关系。该模型识别出了电子病历中的身体部位、疾病名称、检查、症状和治疗五类实体，准确率达到 96．29%，精确率达到了 91. 61%，召回率 96．22%，F 值93．85，其中症状这一实体类别，精确率达到 96．08%，召回率 98．98%，F 值 97．51。实验结果表明，内嵌条件随机场的长短时记忆神经网络模型在识别中文命名实体方面是有效的，有助于自动抽取中文电子病历中实体之间的关系、构建医疗知识图谱。

关键词：长短时记忆神经网络;条件随机场;命名实体;电子病历