基于词嵌入结合BiLSTM-CRF模型的病历实体识别

在传统中文电子病历的命名实体识别任务中，针对医疗实体边界不清、实体嵌套、语句成分缺失、高度依赖人工提取特征等问题，提出基于词嵌入结合BiLSTM-CRF模型的中文电子病历命名实体识别模型。将电子病历文本数据集进行脱敏处理及序列标注等数据预处理，结合词嵌入匹配病历文本序列进行词向量化表示，利用BiLSTM神经网络对前后向病历文本进行空间语义建模，获取文本序列的语义特征，然后利用CRF预测实体标签输出。实验结果表明，改进后的BiLSTM-CRF模型显著提高了病历实体识别的准确率和召回率。