序列标注模型中的字粒度特征提取方案研究——以CCKS2017:Task2临床病历命名实体识别任务为例
来源：图书情报工作杂志2018年第11期北京时间：
作者：孙安,于英香,罗永刚,王祺
单位：1. 上海大学图书情报档案系 上海 200444;<br />\r\n2. 河南科技大学图书馆 洛阳 471023;<br />\r\n3. 上海健康医学院医疗器械学院 上海 201318;<br />\r\n4. 华东理工大学计算机科学与技术系 上海 200237
摘要：[目的/意义]针对中文语言表达特点，提出一种含分词标签的字粒度词语特征提取方法，有效提升了中文临床病历命名实体识别任务的F1值，同时该方法可以为其他中文序列标注模型所借鉴。[方法/过程]选取汉语词语的词性标注、关键词权值、依存句法分析三个特征，构筑字粒度序列标注模型的临床病历训练文本，语料来源CCKS2017：Task2。在不同特征组合方式下，采用条件随机场算法验证两种字粒度词语特征提取方案Method1与Method2。[结果/结论]在四种不同词语特征组合下，Method2相对于Method1在临床病历命名实体识别任务中性能均有所提升，四折交叉测试中F1值平均提升了0.23%。实验表明在中文分词技术日趋成熟的环境下，Method2相对Method1能够获得更好的词语特征表示，对中文字粒度序列标注模型的处理性能具有提升作用。
关键词：命名实体识别,字粒度,特征提取,序列标注模型,条件随机场,临床病历,
基金资助：本文系国家社会科学基金一般项目"'区域-国家’电子文件管理整合模型构建与实证研究"（项目编号：11BTQ039）研究成果之一。
