郭安迪，贾 真，李天瑞，2*

（1.西南交通大学 计算机与人工智能学院，成都 611756；2.综合交通大数据应用技术国家工程实验室（西南交通大学），成都 611756）

0 引言

实体关系抽取属于信息抽取的关键子任务之一，它从非结构化的文本中识别出实体并确立实体之间的关系。在医疗领域，实体关系抽取被广泛应用于结构化信息处理、构建知识图谱和其他下游任务。

与通用领域相比，医学领域的信息抽取任务对错误信息的容忍度更低，对模型的精准率要求更高。然而，医学领域的实体和关系密度更大，约为通用领域7 倍［1］，很多与文本语义不相关的医学名词将被识别为假正例的实体，且不同关系之间可能会共用主语或宾语，主语和宾语中一旦出现假正例将影响多组关系分类，这将进一步放大由实体抽取错误带来的误差传递。另外，医疗的关系种类多且易混淆，如疾病类型的实体之间就可能存在“症状相关”“转化相关”“病发症”“病理分型”等多种不同关系，若关系分类训练的负样本不足则很难获得较好的精准率。在实体抽取方面，医学领域有很多长实体，存在实体嵌套、边界难以划分的问题。例如，“免疫功能低下患者”可能被错误识别为“免疫力”或“免疫力功能低下”。

根据实体和关系抽取任务的表示层是否共用，实体关系抽取模型可以分为实体关系联合抽取和实体关系流水线抽取两大类，其中流水线抽取模型可以分别针对实体和关系任务训练最优的编码器，从而取得较好的效果［2］；……