一个BERT-Span模型用于在康复医学中对中国命名实体的认可

科学领域:

• 自然语言处理自然语言处理.
• 医疗信息学 医疗信息学
• 人工智能的人工智能

背景情况:

• 由于人口老龄化和不断变化的健康需求,对康复医疗护理的需求日益增加.
• 中国康复部门面临的挑战包括公众意识较低和熟练专业人员短缺.
• 通过命名实体识别自动提取康复医疗实体对于推进信息系统和医学知识图表至关重要.

研究的目的:

• 开发和评估一种名为实体识别的中国康复医学模型.
• 加强康复领域内关键医疗实体的提取.
• 支持智能决策系统和康复医学知识图的开发.

主要方法:

• 从多种来源构建一个专门的康复医学集体.
• 从变压器中微调双向编码器表示 (BERT),使用康复医学库.
• 应用BERT-Span模型用于特征提取和注释康复医学实体.

主要成果:

• 与基线模型相比,BERT-Span模型在康复医学库中获得了最高的F1评分,以获得命名实体的认可.
• 该模型在识别长和嵌套的医疗实体方面表现出卓越的表现.
• 实验结果验证了拟议方法的有效性.

结论:

• 伯特-Span模型准确地识别和提取中国康复医学中的实体知识.
• 这种能力支持构建全面的康复医学知识图.
• 该模型促进了康复医学先进决策系统的开发.