林玉萍,龙 红,李 彪,郭钦钵,王 娟,岳 婕

(1.西安交通大学 外国语学院,陕西 西安 710049;2.西安交通大学 软件学院,陕西 西安 710049;3.西安交通大学 生命科学与技术学院,陕西 西安 710049;4.西安交通大学第二附属医院 医用超声研究室,陕西 西安 710004;5.西安交通大学第一附属医院 儿科,陕西 西安 710061)

随着计算机技术的迅速发展，在医学领域中引入语料库以辅助治疗以及教学研究已经成为一大趋势。语料库作为一种先进的教学工具与研究方法，在语言学方面已经取得了巨大的成功[1]。例如，Romer给出了通用和专用语言语料库的使用方法，并讨论了它们在教学语境中的应用[2]；Lobsang建立了一个多模态普通话-藏语语音语料库，通过元音空间比较发现了藏语元音空间比普通话元音空间更像英语[3]；吕颖基于中外医学英语论文摘要语料库，探究两库高频名词的频率差异和使用差异，并试图运用语料库检索来发现英语母语使用者的语言使用范式，提出医学论文的英译策略[4]。除此以外，国内外语料库在人工智能、医学等领域仍存在巨大的研究空间。

20世纪90年代以来，我国在医学英语语料库的建设取得了一定的进步，电子病历(electronic medical record，EMR)的实体识别成为医学语料库构建的重要组成部分[5-6]。随着机器学习的发展以及其在电子病历实体识别研究的深入，较多优秀的算法能够从自由文本电子病历中高效获取到有用的关键信息，如支持向量机(support vector machine，SVM)和BERT(bidirectional encoder representations from transformers)等[7]。欧阳恩提出了一个基于双向 RNN+CRF(Bi-RNN-CRF) 的中文电子病历实体识别模型，该方法充分利用病历文本的上下文信息，探索了分词、医学词料库以及病历文档类别特征在提升系统表现方面的作用[8]。……