原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于BioBERT混合模型的医学命名实体识别方法研究
摘要：医学命名实体识别是医学信息抽取中的重要问题，可以帮助研究人员从文本中自动化提取出有关生物医学实体的信息。近年来，深度学习在医学命名实体识别中的应用成为研究热点。本文基于BioBERT模型，提出了一种混合模型的医学命名实体识别方法。该方法将LSTM、CRF等传统模型与BioBERT模型相结合，通过对训练数据的多层次特征提取和整合，达到更好的识别效果。我们使用了NCBI和JNLPBA两个命名实体识别数据集进行实验，结果表明，本文提出的混合模型相比于传统模型和单一语言模型，在准确率、召回率和F1值上均有显著提高。这表明了BioBERT混合模
文档评论（0）