基于结合多头注意力机制BiGRU网络的生物医学命名实体识别

发布时间：2022-09-29 20:59

　　生物医学命名实体识别（BNER）对促进医学信息学研究具有重要意义。针对现有方法识别精度和效率低,特别是不能很好识别组成复杂和罕见的生物医学名称问题,提出一种基于词典注意力双向门控循环单元神经网络和CRF（DABGC）BNER的方法。通过一种高效多模态匹配方法对生物医学词典进行高效匹配,使用双向GRU网络输出包含上下文信息的隐状态。引入多头注意力机制解析词之间的联系,通过权重的方式将词典匹配结果和注意力机制进行结合,融合CRF计算出最优标签序列。在NCBI疾病和BC5CDR化学数据集上,DABGC获得最高F1分数分别为0.868和0.921。 

【文章页数】：6 页

【文章目录】：
0 引 言
1 DABGC方法系统结构
2 DABGC方法设计
    2.1 数据预处理和词嵌入训练
    2.2 词典匹配方法
    2.3 门控循环单元
    2.4 多头注意力机制
    2.5 算法设计
3 实验及分析
    3.1 数据集和实验设置
    3.2 词典权重效果对比
    3.3 词典注意力效果对比
    3.4 性能对比
4 结 语



本文编号：3683299