廖开际，邹珂欣，席运江

（华南理工大学工商管理学院，广东广州 510641）

1 研究背景

自2012 年谷歌提出了“知识图谱”的概念至今，知识图谱这一领域一直是科学研究和科技应用的前沿热点，其应用也涉及了从搜索到推荐等众多领域。目前，医学是知识图谱应用最广的垂直领域之一,也是国内外人工智能领域研究的热点，在如疾病风险评估、智能辅助诊疗、医疗质量控制及医疗知识问答等智慧医疗领域都有着很好的发展前景［1］。构建医疗领域的知识图谱可以分为3 个步骤：医疗实体识别、实体关系抽取、实体对齐与知识融合，其中医疗实体识别一直是构建知识图谱过程中的重难点。

在医疗领域，随着互联网的快速普及，网络技术的创新与发展已逐渐影响医患双方的行为方式，越来越多的病人在网上寻医问药，医生和医院也更加重视通过互联网进行医患之间的交流和沟通［2］，例如寻医问药网等用户规模较大的在线医疗社区中，已积累了大量医患问答文本，若能通过这些问答文本进行医疗实体识别，便可以更准确且更加深层次地挖掘患者的需求，清晰地展现患者所关心的医疗问题，从而推动医疗行业进一步发展。然而，此类在线医疗社区问答文本不仅具有传统社区类文本体量大、数据稀疏的特点，还具有医疗文本的专业性和复杂性，同时由于个人语言习惯不同，医患问答文本中还有大量简写、略写甚至模糊的表达，给医疗实体识别工作带来了巨大的挑战。……