基于知识图谱与BERT-BiLSTM-CRF模型的中文电子病历实体识别研究

目的：提出一种基于医疗知识图谱的BERT-BiLSTM-CRF命名实体识别模型（MKG-BERT-BiLC），用于解决BERT类语言模型在处理医疗电子病历命名实体识别任务时，由于缺乏一定医疗领域背景知识而导致无法充分发挥其作用的问题。方法：将医疗知识图谱中的三元组信息集成到BERT-BiLSTM-CRF模型中，可实现为模型配备相应的医疗领域知识，进而增强模型的语言表征能力。结果：利用现有公开数据集进行实验，融入知识图谱后BERT-BiLSTM-CRF模型的识别精确率、召回率和F1值均有显著提升，优于现有NER模型。结论：MKG-BERT-BiLC模型能够更好地识别电子病历中的命名实体，具有一定的实用价值。