Resumen

El reconocimiento de entidades en el expediente médico electrónico chino es de gran importancia para la toma de decisiones médicas. El proceso principal de reconocimiento de entidades es el etiquetado de secuencias, que tiene problemas como entidades anidadas y predicción de límites. En este artículo, proponemos un método de NER llamado Bert-MRC-Biaffine, que formula el NER como una tarea de MRC. El enfoque del marco de comprensión de lectura de máquinas es introducir conocimiento previo, la consulta sobre entidades. El mecanismo biafínico puntúa pares de tokens de inicio y fin en una oración para que el modelo pueda predecir entidades nombradas con precisión. El método propuesto supera al conjunto de datos del expediente médico electrónico, denominado datos CCKS2017, y al conjunto de datos de TCM. También eliminamos componentes para evaluar la contribución de componentes individuales de nuestro modelo. Los experimentos en dos conjuntos de datos demuestran la efectividad de nuestro modelo.

• Materias:Modelo Matemático Gestión ambiental Sistemas dinámicos Datos estructurales Sistema inalámbrico
• Subjects:Mathematical model Environmental management Dynamic systems Structural data Wireless system
• Palabras claves:Reconocimiento de entidades; Historial médico electrónico chino; Etiquetado de secuencias; Bert-MRC-Biaffine; Marco de comprensión de lectura de máquina; Entidades nombradas
• Keywords:Entity recognition; Chinese electronic medical record; Sequence tagging; Bert-MRC-Biaffine; Machine reading comprehension framework; Named entities