预训练语言模型在中文电子病历命名实体识别上的应用

发布时间：2021-03-04 13:28

　　中文预训练语言模型能够表达句子丰富的特征信息,并且可解决针对中文出现的"一词多义"问题,是当前自然语言处理任务中普遍使用的模型。研究预训练模型在中文电子病历命名实体识别任务上的应用,为基于深度学习的中文电子病历信息抽取探索一种信的信息优化方法。该文首先介绍了四种语言预训练模型BERT,ERNIE,ALBERT,NEZHA,并搭建预训练模型、BiLSTM、CRF的融合结构,在CCKS2018中文电子病历数据集上进行医学命名实体识别任务。实验结果表明NEZHA取得了当前预训练模型最优的识别结果。 

【文章来源】：电子质量. 2020,(09)

【文章页数】：5 页

【部分图文】：

基于预训练的中文电子病历命名实体识别模型

【参考文献】：
期刊论文
[1]基于BERT-IDCNN-CRF的中文命名实体识别方法[J]. 李妮,关焕梅,杨飘,董文永.  山东大学学报(理学版). 2020(01)



本文编号：3063296