基于E-CNN和BLSTM-CRF的临床文本命名实体识别

来源：计算机应用研究杂志2019年第12期北京时间：

作者：曹春萍,关鹏举,

单位：上海理工大学光电信息与计算机工程学院,上海200082；

摘要：在生物医学临床病历文本的命名实体识别任务中，传统的解决方案由于对实体的边界划分不够精确，影响了部分复合实体的识别。通过研究复合实体的特性，提出一种集成的卷积神经网络（E-CNN）模型与双向长短期记忆网络（BLSTM）和条件随机场（CRF）结合的模型，通过对CNN中的卷积层设定不同卷积窗口的大小，来捕获多个词语之间更丰富的边界特征信息。然后将集成的特征信息传递给BLSTM模型进行训练，最后由CRF模型得到最终的序列标注。实验结果表明，该方法针对临床病历文本中的复合实体识别具有良好的效果。

关键词：命名实体识别,临床文本,集成的卷积神经网络,

基金资助：国家自然科学基金资助项目(61402288)；上海市自然科学基金资助项目(15ZR1429100)；；