基于中文医药文本的实体识别和图谱构建.pdfVIP

学报

JournalofChinaPharmaceuticalUniversity2023，54（3）：363-371363

基于中文医药文本的实体识别和图谱构建

杨晔，裴雷，侯凤贞*

（中国药科大学理学院，医药大数据与人工智能研究院，南京211198）

摘要知识图谱技术促进了新药研发的进展，但国内研究起点晚且领域知识多以文本形式存储，图谱重用率低。因此，

本研究基于多源异构的医药文本，设计了以Bert-wwm-ext预训练模型为基础，并融合级联思想的中文命名实体识别模型，从

而减少了传统单次分类的复杂度，进一步提高了文本识别的效率。实验结果显示，该模型在自建的训练语料上的F1分数

达0.903，精确率达89.2%，召回率达91.5%。同时，将模型应用于公开数据集CCKS2019上，结果显示该模型能够更好地识

别中文文本中的医疗实体。最后，利用此模型构建了一个中文医药知识图谱，图谱包含13530个实体，10939个属性，以及

39247个相关关系。本研究所提出的中文医药实体识别与图谱构建方法，有望助力研究者加快医药知识新发现，从而缩短

新药研发进程。

关键词中文医药文本；命名实体识别模型；Bert-wwm-ext预训练模型；级联思想；知识图谱

中图分类号TP391；R28文献标志码A文章编号1000-5048（2023）03-0363-09

doi：10.11665/j.issn.1000-5048.2023030903

引用本文杨晔，裴雷，侯凤贞.基于中文医药文本的实体识别和图谱构建［J］.中国药科大学学报，2023，54（3）：363–371.

Citethisarticleas：YANGYe，PEILei，HOUFengzhen.EntityextractionandgraphconstructionbasedonChinesemedicaltext［J］.JChina

PharmUniv，2023，54（3）：363–371.

EntityextractionandgraphconstructionbasedonChinesemedicaltext

YANGYe,PEILei,HOUFengzhen*

InstituteofMedicalBigDataandArtificialIntelligence,SchoolofScience,ChinaPharmaceuticalUniversity,Nanjing211198,China

AbstractKnowledgegraphtechnologyhaspromotedtheprogressofnewdrugresearchanddevelopment,but

domesticresearchstartslateanddomainknowledgeismostlystoredintext,resultinginlowrateofknowledge

graphreuse.Basedonmulti-sourceandheterogeneousmedicaltexts,thispaperdesignedaChinesenamedentity

recognitionmodelbasedonBert-wwm-extpre-trainingmodelandalsointegratedcascadethought,whichreduced

thecomplexityoftraditionalsingleclassificationandfurtherimprovedthe