基于多标签CRF的疾病名称抽取-计算机应用研究.PDFVIP

第３４卷第１期 计 算 机 应 用 研 究 Ｖｏｌ．３４Ｎｏ．１ 　 　 ２０１７年１月　 ＡｐｐｌｉｃａｔｉｏｎＲｅｓｅａｒｃｈｏｆＣｏｍｐｕｔｅｒｓ Ｊａｎ．２０１７ 基于多标签 ＣＲＦ的疾病名称抽取 王鹏远，姬东鸿 （武汉大学计算机学院，武汉４３００７２） 摘　要：生物医疗文本中的命名实体识别对于构建和挖掘大型临床数据库以服务于临床决策具有重要意义，而 其中一个基础工作是疾病名称的识别。医疗文本中存在大量的复合疾病名称，难以分离抽取出其中的实体。针 对这一问题，提出一种基于多标签的条件随机场算法，首先对数据标注多层标签，每层标签针对复合疾病名称中 的不同疾病，然后用整合后的最终标签去训练模型，最后再对模型预测的标签进行分离。此方法能够识别传统 条件随机场算法无法识别的复合疾病名称，实验结果验证了所提算法的有效性。 关键词：命名实体识别；条件随机场；多标签；医疗文本；复合实体 中图分类号：ＴＰ３９１　　　文献标志码：Ａ　　　文章编号：１００１３６９５（２０１７）０１０１１８０５ ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００１３６９５．２０１７．０１．０２５ ＭｕｌｔｉｌａｂｅｌＣＲＦｂａｓｅｄｍｅｔｈｏｄｆｏｒｄｉｓｅａｓｅｅｘｔｒａｃｔｉｏｎ ＷａｎｇＰｅｎｇｙｕａｎ，ＪｉＤｏｎｇｈｏｎｇ （ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒ，ＷｕｈａｎＵｎｉｖｅｒｓｉｔｙ，Ｗｕｈａｎ４３００７２，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｎａｍｅｄｅｎｔｉｔｙｒｅｃｏｇｎｉｔｉｏｎｉｎｍｅｄｉｃａｌｔｅｘｔｆｏｒｂｕｉｌｄｉｎｇａｎｄｄｉｇｇｉｎｇｌａｒｇｅｃｌｉｎｉｃａｌｄａｔａｂａｓｅｔｏｓｅｒｖｅｔｈｅｃｌｉｎｉｃａｌｄｅｃｉ ｓｉｏｎｉｓｏｆｇｒｅａｔｓｉｇｎｉｆｉｃａｎｃｅ，ａｎｄｏｎｅｏｆｔｈｅｉｍｐｏｒｔａｎｔｂａｓｉｃｗｏｒｋｉｓｔｏｂｅａｂｌｅｔｏａｃｃｕｒａｔｅｌｙｉｄｅｎｔｉｆｙｔｈｅｎａｍｅｏｆｔｈｅｄｉｓｅａｓｅ． Ｔｈｅｒｅａｒｅａｌａｒｇｅｎｕｍｂｅｒｏｆｃｏｍｐｏｕｎｄｄｉｓｅａｓｅｎａｍｅｉｎｔｈｅｍｅｄｉｃａｌｔｅｘｔｓ．Ｉｎｏｒｄｅｒｔｏｓｏｌｖｅｔｈｉｓｐｒｏｂｌｅｍ，ｔｈｉｓｐａｐｅｒｐｒｏｐｏｓｅｄ ａｋｉｎｄｏｆＣＲＦａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎｍｕｌｔｉｌａｂｅｌ，ｆｉｒｓｔｏｆａｌｌ，ｉｔｐｕｔｍｕｌｔｉｌａｙｅｒｌａｂｅｌｓｔｏｔｈｅｄａｔａ，ｌａｂｅｌｓｏｎｅａｃｈｆｌｏｏｒｆｏｒｄｉｆｆｅｒｅｎｔ ｄｉｓｅａｓｅｓ，ａｎｄｔｈｅｎｉｎｔｅｇｒａｔｅｄｉｎｔｏａｎｅｎｄｌａｂｅｌｔｏｔｒａｉｎｉｎｇｍｏｄｅｌ，ｆｉｎａｌｌｙ，ｉｔｉｓｏｌａｔｅｄｅａｃｈｌａｙｅｒｌａｂｅｌｆｒｏｍｔｈｅｍｏｄｅｌｐｒｅｄｉｃｔｓ ｒｅｓｕｌｔ，ａｎｄｔｈｅｎｉｄｅｎｔｉｆｉｅｄｔｈｅｄｉｓｅａｓｅｓ．Ｔｈｉｓｍｅｔｈｏｄｃａｎｒｅｃｏｇｎｉｚｅｃｏｍｐｏｓｉｔｅｄｉｓｅａｓｅｎａｍｅｗｈｉｃｈｃａｎｎｏｔｂｅｉｄｅｎｔｉｆｉｅｄｂｙｔｈｅ ｔｒａｄｉｔｉｏｎａｌＣＲＦａｌｇｏｒｉｔｈｍ．Ｔｈｅｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｖｅｒｉｆｙｔｈｅｅｆｆｅｃｔｉｖｅｎｅｓｓｏｆｔｈｅｐｒｏｐｏｓｅｄａｌｇｏｒｉｔｈｍ． Ｋｅｙｗｏｒｄｓ：ｎａｍｅｄｅｎｔｉｔｙｒｅｃｏｇｎｉｔｉｏｎ；ｃｏｎｄｉｔｉｏｎａｌｒａｎｄｏｍｆｉｅｌｄｓ；ｍｕｌｔｉｌａｂｅｌ；ｍｅｄｉｃａｌｔｅｘｔ；ｃｏｍｐｏｓｉｔｅｅｎｔｉｔｙ 别出了复合实体中包含的疾病名称。 　引言 　相关研究 电子