文献

J-GLOBAL ID：201802267258347334   整理番号：18A0162173

中国電子医療記録における固有表現認識のための転送双方向LSTMリカレントニューラルネットワーク(RNN)【Powered by NICT】

Transfer bi-directional LSTM RNN for named entity recognition in Chinese electronic medical records

著者 (6件)： Dong Xishuang (CREDIT Research Center, Prairie View A&M University, Texas A&M University System, Prairie View, TX 77446, USA) ,  Chowdhury Shanta (CREDIT Research Center, Prairie View A&M University, Texas A&M University System, Prairie View, TX 77446, USA) ,  Qian Lijun (CREDIT Research Center, Prairie View A&M University, Texas A&M University System, Prairie View, TX 77446, USA) ,  Guan Yi (Schools of Computer Science and Technology, Harbin Institute of Technology, Harbin, China) ,  Yang Jinfeng (School of Software, Harbin University of Science and Technology, Harbin, China) ,  Yu Qiubin (Medical Record Division, Second Affiliated Hospital of Harbin Medical University, Harbin, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： Healthcom  ページ： 1-4  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文では,移動双方向リカレントニューラルネットワーク(RNN)は,疾患とその治療を記録する句のような医学知識を自動的に抽出することを目的とした中国電子医療記録(EMR)における名前付きエンティティ認識(NER)を提案した。第一段階は,一般領域における浅い双方向RNNを訓練することである,2段手順を提案し,第二段階は,一般領域から知識を移行中国EMRから医学概念を認識するためのより深い双方向RNNを訓練することである。具体的には,これは最初の段階で訓練された双方向RNNからパラメータの重みを用いた第二段階でより深いネットワークの浅い部分を初期化により達成された。深くネットワークである中国のEMRに再訓練。実験結果はNER性能は移動した知識によって顕著に改善されることを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *中華人民共和国 ,  *ネットワーク ,  *電子カルテ ,  *病歴
準シソーラス用語： エンティティ ,  医学知識 , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (8件)： 中国 ,  電子医療記録 ,  固有表現 ,  転送 ,  双方向 ,  LSTM ,  リカレントニューラルネットワーク ,  RNN