基于融合模型的中文病历文本智能纠错研究

目的 针对中文医学病历文本，进行错别字智能纠错，以改善中文病历质量，减少诊疗文书差错产生的概率。方法 将统计语言模型和基于神经网的预训练模型相融合，进行中文病历文本错别字纠错的训练和验证，最终通过综合指标F1进行模型效果的评估。结果 实验结果显示，融合模型的中文病历错别字纠错F1为0.6254，优于单统计语言模型和单预训练模型的F1值0.4813和0.5970。结论 基于统计语言模型和预训练模型的融合方法，在中文病历文本错别字纠错方面有较好的效果，对临床病历书写质量的保障有一定的现实辅助意义。