Resumen

Con la creciente popularidad de la medicina tradicional china (MTC) en el mundo y el aumento de la conciencia sobre la protección de la propiedad intelectual, el número de solicitudes de patentes de MTC está creciendo año tras año. Las patentes de MTC contienen información médica, legal y económica rica. La minería de texto efectiva de las patentes de MTC es de gran importancia teórica y práctica (por ejemplo, la I+D de nuevos medicamentos, litigios por infracción de patentes y adquisición de patentes). El reconocimiento de entidades nombradas (NER, por sus siglas en inglés) es una tarea fundamental en el procesamiento del lenguaje natural y un paso crucial antes del análisis en profundidad de las patentes de MTC. En este artículo, se propone un método que combina una red neuronal de memoria a largo plazo bidireccional (BiLSTM) con un Campo Aleatorio Condicional (CRF) para reconocer automáticamente entidades de interés (es decir, nombres de hierbas, nombres de enfermedades, síntomas y efectos

• Materias:Comunicación inalámbrica Dispositivos móviles Seguridad de la información Algoritmo de inteligencia Sensor inteligente
• Subjects:Wireless communication Mobile devices Information security Algorithm intelligence Intelligent sensor
• Palabras claves:Medicina tradicional china; Patentes de MTC; Minería de texto; Reconocimiento de entidades nombradas; Bilstm-crf; Aprendizaje profundo
• Keywords:Traditional chinese medicine; Tcm patents; Text mining; Named entity recognition; Bilstm-crf; Deep learning