张 旭，朱艳辉，梁文桐，詹 飞

1 研究背景

近年来，自然语言处理技术（natural language processing，NLP）的应用越来越广泛。医疗行业信息化迅速发展，其中电子病历（electronic medical record，EMR）在临床治疗、疾病预防等方面扮演着重要角色。EMR 是医务人员在病人治疗过程中（该过程包括临床诊断、检查检验、临床治疗等），利用医疗机构信息系统生成患者的数字化信息，并进行存储、管理、传输和医疗记录的再现[1]。对电子病历进行数据处理，构建专业且全面的医疗知识库，更有利于发挥其在“智慧医疗”中的作用。但是，目前电子病历大多处于非结构化状态，因而严重制约了其开发与利用[2]。

命名实体识别（named entity recognition，NER）是自然语言处理技术的一个分支，属于信息抽取的子任务，它将具有特定意义的实体从非结构文本中提取出来，并将其归入预定类别，例如从文本中识别出与人名、地名和机构名相关的实体。NER 本质上可以被看成是一种序列标注问题，在许多下游任务中扮演着重要的角色，包括知识库建设[3]、信息检索[4]和问答系统[5]。

随着医疗AI 技术的发展，信息抽取技术在医疗信息化的进程中扮演着不可或缺的角色，这一定程度上与国内外开展的相关评测任务密不可分，它们推动了大批学者对前沿技术的探索；国外的I2B2 会议催生了一系列优秀的研究成果，HMM（hidden markov model）、CRF（conditional random field）等基于统计的机器学习方法首次被应用于医疗NER 任务中，且有不错的性能表现；国内的全国知识图谱与语义计算大会（China Conference on Knowledge Graph and Semantic Computing，CCKS）自2017年起，已经连续4a 组织中文电子病历命名实体识别相关评测。……