基于CNN-BiLSTM模型的在线医疗实体抽取研究
来源：图书情报工作杂志2019年第12期北京时间：
作者：陈德鑫,占袁圆,杨兵,谢亚霓
单位：1. 湖北大学教育学院 武汉 430062;<br />\r\n2. 湖北大学智慧学习研究中心 武汉 430062;<br />\r\n3. 荆门市图书馆 荆门 448000
摘要：[目的/意义]在线医疗信息抽取是实现医疗信息检索、医疗信息推荐、个人医疗健康提醒及警示、疾病诊断、公众健康监控、药物不良反应挖掘等服务的基础环节，而医疗实体抽取则是在线医疗信息抽取的首要工作。本文拟解决传统医疗实体抽取严重依赖于人工特征提取且效率低的问题。[方法/过程]以网络文本为研究对象，首先对医疗实体类型和医疗实体抽取的目标进行描述。将在线医疗文本中的医疗实体抽取任务看作序列标注问题来解决，通过对CNN模型和BiLSTM模型基础理论的探讨，构建基于混合深度学习模型CNN-BiLSTM的医疗实体抽取框架。[结果/结论]通过三组对比实验，验证了本文所使用的CNN-BiLSTM模型在医疗实体抽取任务中的有效性。
关键词：深度学习,卷积神经网络,双向长短记忆模型,医疗实体,
基金资助：本文系湖北省自然科学基金项目"基于深度学习的网络用户心理健康状态研究"（项目编号：2018CFB315）研究成果之一。
