病历命名实体识别.docxVIP

电子病历命名实体识别 施林锋王远 任务说明 ?给定电子病例文档，识别并抽取与医学临床相关 的实体，以及其类别 ?输入 ?电子病历 ?输出 ?实体名称（边界） ?实体类别 ?实体类型 ?病症和体征、检查和检验、疾病和诊断、治疗、身体 部位 评价指标 ?系统输出结果集合 S = [slt s2 ...sm) ?人工标注集合 G = (gltg2 …如｝ l^^cner^l |S| r |S—c7tgrG| |G| Fi = 2PR P+R 命名实体识别及分类 ? 1996 MUC6开始，开始有大规模的研究 ?常用方法 Supervised methods HMM[1]、MEMM[2]、SVM[3]、CRF[4] LSTM[5] CRF:CRF++ LSTM:基于Theano. TensorFlow Semi-supervised methods Bootstrapping methods Unsupervised methods Clustering ?不同之处 ?实体的嵌套 ?V治疗＞＜身体部位〉右下肢V/身体部位〉持续皮牵引V治疗〉 -针对目前的数据集，只出现了身体部位被嵌套的现象 ?身体部位单独考虑 ?较长的实体 -〈病症和体征＞5小时前不慎摔伤，伤及右股部＜/病症和体征 -需要观察初步实验的效果 ?疾病和诊断： ?（个数,117）,（最短长度,2）,（最长长度,24）,（平均长度,6） ?左侧第四肋骨骨折并左侧胸壁皮下积气、左侧少量气胸 ?病症和体征： ?（个数,1098）,（最短长度,2）,（最长长度,85）,（平均长度,12） ?检查和检验： ?（个数,586）,（最短长度,1）,（最长长度,84）,（平均长度,8） ?身体部位： ?（个数,466）,（最短长度,1）,（最长长度,10）,（平均长度,3.5） ?头部、腹部及双侧下肢 ?治疗： ?（个数,73）,（最短长度,2）,（最长长度,29）,（平均长度,7.8） ?工作安排 ?收集尽可能丰富的医学术语表 ?基于CRF的Baseline方法实现 -参加词表特征 -标签的分布特征 ?基于LSTM的方法实现 -参加无标注文本作为外部知识 ?尝试集成学习 参考文献 [1] Bikel, Daniel M., Richard Schwartz, and Ralph M. Weischedel. An algorithm that learns whats in a name. Machine learning 34.1 (1999): 211-231. [2] Borthwick, Andrew. A maximum entropy approach to named entity recognition. Diss. New York University, 1999. . [3] McNamee, Paul, and James Mayfield. Entity extraction without language-specific resources.11 proceedings of the 6th conference on Natural language learnmg-Volume 20. Association for Computational Linguistics, 2002. [4] Lafferty, John, Andrew McCallum, and Fernando Pereira. Conditional random fields: Probabilistic models for segmenting and labeling sequence data. Proceedings of the eighteenth international conference on machine learning, ICML. Vol. 1. 2001. [5] Chiu J PC, Nichols E (20XX) Named entity recognition with bidirectional Istm-cnns.