面向藏文临床病历的医学实体识别研究

摘要

由于标注数据集的缺乏,针对藏族传统医学领域的藏文临床病历的医学实体识别任务仍然是一个未涉足的研究领域。针对上述问题,首先手动构建了一个标记的数据集,然后根据藏文临床病历文本独有的子语言特征,设计了一个音节级的Lattice-LSTM-CRF神经网络架构,利用深度学习方法对上述领域进行了研究。为了进一步提高模型的性能,将音节级别和单词级别的预训练表示结合在一起。使用的模型在实验室构建的测试集上的正确率达到91.89%、召回率达到93.15%和F1值达到92.52%,表明所使用的模型是有效的。