中国字符结构和边界特征的交叉相互作用,以改善临床命名实体识别
IEEE journal of biomedical and health informatics
|August 4, 2025
概括
一个新的模型,中国字符结构和边界特征 (CCS) 的交叉交互,通过更好地识别令人困惑的医疗术语和符号,提高了临床命名实体识别 (CNER).
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
- 计算语言学 计算语言学
背景情况:
- 临床命名实体识别 (CNER) 对于处理医疗文本至关重要.
- 传统的CNER模型与新的临床术语和相似的实体作斗争.
- 区分"肺结节"和"肺结核"等实体是具有挑战性的.
研究的目的:
- 开发一种新的CNER模型,以解决识别未知的临床术语和混实体的局限性.
- 提高医疗实体在中国临床文本中的准确性和边界检测.
主要方法:
- 提出了一个名为"中文字结构和边界特征 (CCS) 的交叉交互"的新型NER模型.
- 杆中国字符结构特征和界限信息用于实体识别.
- 设计了一个交叉注意力机制,以捕捉实体间和角色激进的依赖关系.
主要成果:
- 与最先进的模型相比,CCS模型表现出更高的性能.
- 在多个公共医疗数据集上取得了重大改进,包括CCKS2020,CMeEE,CMI和IMCS.
- 增强语义理解和专业医疗术语的边界识别能力.
结论:
- CCS模型有效地应对CNER的挑战,包括新词和语义上相似的实体.
- 拟议的方法在临床命名实体识别准确性方面取得了重大进展.
- CCS提供了一个强大的解决方案,可以从临床叙述中提取结构化信息.


