中文医疗文本中的嵌套实体识别方法

来源：软件学报杂志2024年第6期北京时间：

作者：闫璟辉，宗成庆，徐金安

单位：闫璟辉，北京交通大学 计算机与信息工程学院, 北京 10009111,宗成庆，北京交通大学 计算机与信息工程学院, 北京 100091;模式识别国家重点研究室 (中国科学院 自动化研究所), 北京 10019002,徐金安，北京交通大学 计算机与信息工程学院, 北京 10009103

摘要：实体识别是信息抽取的关键技术. 相较于普通文本, 中文医疗文本的实体识别任务往往面对大量的嵌套实体. 以往识别实体的方法往往忽视了医疗文本本身所特有的实体嵌套规则而直接采用序列标注方法, 为此, 提出一种融合实体嵌套规则的中文实体识别方法. 所提方法在训练过程中将实体的识别任务转化为实体的边界识别与边界首尾关系识别的联合训练任务, 在解码过程中结合从实际医疗文本中所总结出来的实体嵌套规则对解码结果进行过滤, 从而使得识别结果能够符合实际文本中内外层实体嵌套组合的组成规律. 在公开的医疗文本实体识别的实验上取得良好的效果. 数据集上的实验表明, 所提方法在嵌套类型实体识别性能上显著优于已有的方法, 在整体准确率方面比最先进的方法提高0.5%.

关键词：实体识别;中文文本;医疗领域;嵌套实体识别;边界识别