基于注意机制的化学药物命名实体识别

来源：计算机研究与发展杂志2018年第7期北京时间：

作者：杨培,杨志豪,罗凌,林鸿飞,王健,

摘要：在生物医学文本挖掘领域，化学药物命名实体识别具有重要意义.目前的主流方法是基于条件随机场(conditionalrandomfields,CRF)的方法,但是该方法需要大量的人工特征，并且存在实体标签的全文非一致性问题.针对此问题，提出一种基于注意(Attention)机制的深度学习方法.该方法首先从海量生物文本中学习词向量，然后利用双向长短期记忆网络(BiLSTM)学习字符向量，随后将词向量和字符向量再经过另一个BiLSTM以获得词的上下文表示，然后再利用Attention机制获得词在全文范围下的上下文表示，最后利用CRF层得到整篇文章的标签序列.实验结果表明:相比之前的研究方法，提高了在同一篇文章中实体识别的一致性，并在BioCreativeIV评测中的CHEMDNER数据集上取得了更好的结果(F值为90.77%).

关键词：长短期记忆网络, 注意, 条件随机场, 化学药物命名实体识别, 深度学习,