浙江万里学院 竺佳琦 谢宇涛 林施婷 钟逸伦 陈 浩 董 晨 金 冉

近几年来，医疗健康大数据呈现蓬勃发展的态势。在医疗领域已经积累了足够规模的临床数据的基础上，同时拥有规范的数据采集流程，保障了持续的数据更新和足够的可靠性。然而数据的利用率依然问题涌现，既包括数据本身的问题，也有数据管理问题和数据使用权限问题。针对医疗药品数据中的自然语言的关系抽取和信息检索任务，命名实体识别（Named Entity Recognition，NER）是一个高效且强有力的重要工具。

1 NER网络架构

1.1 NER引入

命名实体识别是自然语言处理办法中的一项基础任务，也是NLP领域中进行例如关系抽取、信息检索等复杂任务的基础任务。其主要作用就是从输入的自然语言文本中抽取相关实体，标注出其位置以及类型，并可以按照项目需求识别其他相关实体。

NER作为NLP领域中的研究热点，正在不断的实践中逐步成长起来，从早期基于词典和规则的方法、无监督学习方法，到传统机器学习的方法，再到近年来基于深度学习的方法，命名实体识别技术也在逐步精进，在计算机视觉、语音识别、自然语言处理等领域都发挥了极为重要的作用。

但仍有部分问题还没有得到很好地解决，例如：能够使命名实体识别充分发挥效果的文本类型和实体类别是有限的；信息检索领域更注重高准确率，命名实体识别则更侧重高召回率；与其他信息检索领域相比，实体命名评测预料较小，容易产生过拟合；……