基于XLNet－BiLSTM 的中文电子病历命名实体识别方法

沈宙锋，苏前敏，郭晶磊

（1 上海工程技术大学 电子电气工程学院，上海 201620；2 上海中医药大学 基础医学院，上海 201203）

0 引言

电子病历（EMR，Electronic Medical Record）是计算机信息系统存储、管理和传输的医疗记录，包含医务人员在为患者诊疗过程中记录的关于患者病史、临床表现、治疗方法等数字化信息［1］。由于电子病历大多是半结构化和非结构化的状态，对其进行分析处理和数据挖掘受到严重制约。命名实体识别（named entity recognition，NER）是发现和识别自然文本中的专有名词和有意义的词语，并将其归类到预定义的类别中，是自然语言处理（natural language processing，NLP）任务中的一项重要分支［2］。运用命名实体识别技术对电子病历文本进行分析研究，目的是自动地识别并且分类电子病历中的医疗命名实体。

传统的电子病历命名实体识别研究主要分为基于规则和基于机器学习两种方法，基于规则的方法主要依靠领域专家构建的领域词典进行识别，对于词典中没有出现的实体通过手工编辑的规则来识别医疗命名实体［3］。由于词典构建和规则制定对领域专家的依赖性，基于机器学习电子病历命名实体识别的方法被广泛运用。近年来深度学习在语音识别、图像识别和视频分析等多个领域取得了重大进展，大量研究人员将深度学习运用到电子病历实体识别领域，通过在大规模的标注数据中训练与学习，可以更好地抽取上下文语义特征进行表示［4］。

基于深度神经网络的命名实体识别方法，都需要通过词……