曾青霞 熊旺平 杜建强 聂 斌 郭荣传
1(江西中医药大学岐黄国医书院 江西 南昌 330004)
2(江西中医药大学计算机学院 江西 南昌 330004)
命名实体识别(Named Entity Recongition,NER)是自然语言处理(Natural Language Processing,NLP)任务中的重要步骤之一,其主要目的是识别给定文本中的命名实体。NER还可用于处理很多下游NLP任务,例如关系提取、事件提取和问题问答。电子病历是医生对病人的个人信息、病因、病机等就诊过程中产生的信息的记录,包含大量的医疗就诊信息以及患者的个人信息[1]。有关电子病历中的命名实体主要有检查、体征、治疗和疾病等医学专有名词及相关的修饰词。例如某份病历中的“主因咳嗽、少痰1个月、抽搐1次,肺炎”,其中:“咳嗽”“少痰”“抽搐”为体征,“肺炎”为疾病[2]。电子病历命名实体识别就是对这类词语进行识别。
电子病历文本的命名实体识别研究不同于通用领域的命名实体识别研究,两者文本存在着较大的差异。通用领域的文本语料有着严格的书写规范和严谨的命名方式,而电子病历实体种类繁多,长短不一,书写不规范,且不断有新词出现[3]。具体表现如下:1) 部分句子语法成分不完整(如“多于活动中起病”“双侧瞳孔等大同圆”),这种情况需要结合整句文本来推测出当前的缺失部分。2) 包含大量的专业性术语和习惯用语(如“脑栓塞”“病理反射”“伴”“尚可”)。3) 包含嵌套实体,即多个实体嵌套在一起,一个实体实例化另外一个实体(如“脑萎缩”“右侧共济运动查体差”)。4) 较长句子中的相隔较远位置的……