文献

J-GLOBAL ID：202002218903725573   整理番号：20A2262658

クロスドメイン転送によるBiLSTM-CRFに基づく中国語臨床名前エンティティ認識の改善【JST・京大機械翻訳】

Improving Chinese Clinical Named Entity Recognition Based on BiLSTM-CRF by Cross-Domain Transfer

著者 (3件)： Zhang Kunli (School of Information Engineering, Zhengzhou University, Peng Cheng Laboratory) ,  Yue Donghui (School of Information Engineering, Zhengzhou University, Peng Cheng Laboratory) ,  Zhuang Lei (School of Information Engineering, Zhengzhou University, Henan, China)
資料名： ACM Proceedings  (ACM Proceedings)
号： HPCCT & BDAI 2020  ページ： 251-256  発行年： 2020年 
JST資料番号： D0698C  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： Namedエンティティ認識(NER)は自然言語処理(NLP)アプリケーションにおける必須資源として役立つ。ほとんどの既存の名目認識モデルは,主にソーシャルメディア,生物医学および金融に焦点を合わせている。しかし,中国の電子医療記録(EMRs)に関する研究の数は限られており,それは効果的な医療実体をモデル化するのに失敗する。本論文では,新しい交差ドメイン転送モデル,すなわちT-BiLSTM-CRFを,中国の臨床名称認識(例えば,疾患,症状,薬物,解剖学)のために提案する。大規模データセットの希少性を考慮して,著者らは,識別情報を完全に抽出するためにハイブリッドモデルを構築して,次にそれを目標特性と統合して,最適解を達成した。提案手法は,種々のエンティティをよりよく表現し,認識性能を高めるために,異なる情報源から特徴を符号化できる。ベンチマークCCKS2018データセット上で広範な実験を行った。結果は,いくつかの代表的な方法と比較して,提案したT-BiLSTM-CRFの優位性を実証した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 情報源 ,  金融 ,  自然言語処理 ,  中国語 ,  *応用プログラム ,  解剖学 ,  ベンチマーク ,  認知モデル ,  電子カルテ ,  病歴
準シソーラス用語： 最適解 ,  生物医学 ,  ハイブリッドモデル ,  ソーシャルメディア ,  *エンティティ ,  大規模データセット , 【Automatic Indexing@JST】

著者キーワード (3件)： 中国の電子カルテ ,  ドメイン間移動 ,  名前付きエンティティ認識

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (7件)： ドメイン ,  転送 ,  CRF ,  中国語 ,  臨床 ,  名前 ,  エンティティ