APP下载

基于条件随机场的中医临床医案症状命名实体抽取研究*

2020-03-13高佳奕谢佳东史话跃董海艳胡孔法

世界科学技术-中医药现代化 2020年6期
关键词:特征症状模型

高佳奕,刘 震,杨 涛**,谢佳东,史话跃,董海艳,胡孔法

(1. 南京中医药大学人工智能与信息技术学院 南京 210023;2. 南京中医药大学第一临床医学院 南京 210023)

1 引言

中医临床信息抽取是从临床医案中自动抽取特定信息的计算机技术,是从海量中医临床数据中快速发现关键信息,并将其自动分类、提取和重构的过程[1],包括命名实体识别、事件抽取、关系抽取等[2]。医案是中医临床诊疗的记录,蕴含着中医专家丰富的学术思想与临床经验,深入挖掘其中的知识对中医的传承与发展至关重要。然而,临床上病情千变万化,专家表述各具特点,使得医案的文字表述极其复杂,这给从医案文本信息抽取带来挑战[3]。因此,如何从海量中医医案中有效地抽取关键信息,挖掘其中蕴藏的辨证规律和潜在的数据价值,已经成为中医药研究的热点之一。本文尝试从医案中最为复杂的症状入手,利用自然语言处理技术进行症状命名实体的识别和抽取,为中医临床文本医案自动化处理提供参考。

2 命名实体抽取研究现状

命名实体抽取是自然语言处理领域的重要研究内容,在机器翻译、知识问答等领域取得了良好效果,但在医药领域的研究尚处于初级阶段[4]。自2000年起有学者陆续将基于词典、规则的方法应用于医药实体的信息抽取,如徐梓豪等[5]利用医学专业词典设计相关统计模型,在中文临床病历的命名实体识别中取得了良好效果;包小源等[6]设计定制化的规则学习及信息抽取方法,通过抽样标注、模板重写以及自动验证等步骤,进一步探究了非结构化电子病例中信息抽取方法。……

登录APP查看全文

猜你喜欢

特征症状模型
一半模型
Don’t Be Addicted To The Internet
有症状立即治疗,别“梗”了再抢救
重尾非线性自回归模型自加权M-估计的渐近分布
可改善咳嗽症状的两款药膳
如何表达“特征”
不忠诚的四个特征
3D打印中的模型分割与打包
夏季猪高热病的症状与防治
线性代数的应用特征