罗歆然，李天瑞，贾 真

（西南交通大学 计算机与人工智能学院，成都 611756）

0 引言

医学命名实体识别（Medical Named Entity Recognition，MNER）是医学知识抽取的一项基础任务，旨在从医学文本中识别特定的命名实体，如药物、疾病、检查和医疗设备等。MNER 技术对于医学信息的自动化处理和分析具有重要意义，在许多医学自然语言处理（Natural Language Processing，NLP）下游任务中发挥重要的作用，如医疗信息检索［1］、医学知识图谱构建［2］和智能医疗问答系统［3］等。

相较于通用领域的命名实体识别（Named Entity Recognition，NER），MNER 任务存在医学实体的复杂嵌套问题，例如：疾病实体“大肠杆菌肠炎”内层嵌套了部位实体“大肠”、微生物实体“肠杆菌”“杆菌”，疾病实体“肠炎”，实体内部嵌套的多层实体使MNER 在众多序列标注文本中难以探测实体边界信息。在将医学实体映射到特征向量空间时，由于存在未登录词（Out-Of-Vocabulary，OOV）的问题，无法得到含有医学语义信息的向量。比如，“十二指肠溃疡”可能会被切分，其中“十二”被作为数字映射到数字特征向量空间，从而造成语义偏差。MNER 的实体嵌套和语义偏差问题来自实体边界难以正确划分和缺乏医学相关的语义知识。因此，MNER 需要结合医学领域的语言特点和先验知识，采用合适算法提高实体识别的准确性。与英文不同，中文文本序列由单个字符构成，通过标点符号划分句子语义，缺乏分割单词的清晰边界和带有语义信息的单词词干。因此，从输入表示的角度，中文NER 可分为基于分词的方法、基于字的方法和基于字词的方法。基于分词的方法［4-5］先使用分词工具将句子分割为单词，再将这些序列进行实体识别，但分词错误会积累大量噪声，不适合中文MNER 任务高精度的需求；……