高 峰 杨佳欣 顾进广

(武汉科技大学计算机科学与技术学院 湖北 武汉 430065)(武汉科技大学大数据科学与工程研究院 湖北 武汉 430065)(湖北省智能信息处理与实时工业系统重点实验室 湖北 武汉 430065)

0 引 言

随着社会生活水平的提高和人工智能技术的发展，医学人工智能成为受到密切关注的研究和应用领域。借助自然语言处理[1]、知识图谱和深度学习[2]等技术，医学人工智能使医疗服务变得更加智能化、高效化和个性化。然而，医学人工智能目前仍然缺乏知识层面的有效支撑，大部分医学知识和经验依旧隐藏在医学文献和医疗文本中。高效、准确地从医学文本和文献中自动抽取医疗领域关于疾病、症状、治疗和医学检查之间的关系，并将其结构化为知识对于构建医疗领域知识图谱，实现知识驱动的医学人工智能具有重要意义[3]。

在事件抽取中，常将文本中的关键词对应标记为某类事件的事件触发词来进行事件抽取[4]。在关系抽取中，也可以借助类似的关系发现词来识别关系。关系发现词是句子中描述实体对关系的关键词。目前一部分基于深度学习的关系抽取模型的输入特征主要基于词向量和位置向量，会产生特征噪声并导致学习特征不足而影响抽取模型效果[5]，加入关系发现词作为额外特征可以解决特征单一的问题，进行特征去噪增强了关系类别的区分度。

本文重点研究从中文医疗文本中抽取有关疾病、症状、治疗和医……