基于深度学习的甲状腺病史结构化研究与实现

发布时间：2023-06-05 04:11

　　甲状腺病史作为一类重要的非结构化文档,对医疗诊断至关重要。针对具体的甲状腺病史数据,提出一种基于深度学习的甲状腺病史结构化处理方法。首先,构建专业词库和病史本体,使用专业词库指导分词,基于本体结构完成结构化输出;其次,通过使用实体识别技术,完成对分词结果标签的预测;最后,使用标签抽取和词库匹配两种方法对病史数据进行信息抽取,并将结构化结果以RDF进行存储。实验结果表明该方法的准确率和泛化性较传统方法有明显提升。

【文章页数】：7 页

【文章目录】：
0 引言
1 方法
    1.1 专业词库构建
    1.2 病史本体构建
    1.3 数据预处理
    1.4 实体识别
    1.5 信息抽取
    1.6 结构化数据存储
2 实验
    2.1 实验数据
    2.2 实验与结果
3 结束语



本文编号：3831658