【摘要】：隨著我國老齡化的愈發(fā)嚴重,老人的日常護理需求越來越多,尤其是患病后的護理。但不同情況下的老人所需的護理方法不同,某些細致的護理方法并非所有人都了解。雖然常見疾病一般都有相關(guān)的護理指南等文獻資料,但當老人患有多種疾病時,就需要查閱大量的護理指南,十分費時。且有時要根據(jù)老人的實際情況,來制定專門的方案,這些特定的方案往往寫在老人的病歷或體檢報告中,不易統(tǒng)計。如果能夠自動地從這些自然語言文本中抽取命名實體,就能夠快速、準確獲得老人所需的護理措施。因此,本文研究了從自然語言文本中獲取護理領(lǐng)域命名實體的方法,來實現(xiàn)老人所需護理措施的自動獲取。本文主要工作如下:1)提出了一種基于條件隨機場的命名實體抽取方法。為收集到的護理領(lǐng)域文獻添加實體標簽后,加入外部特征,使用條件隨機場模型進行命名實體抽取。為了消除模型訓練時冗余特征模板過多造成的負面影響,使用遺傳算法對特征模板進行了優(yōu)化,提高了命名實體抽取的準確率。最終,實體抽取的準確率達到80%。2)提出了一種基于Bi-LSTM與條件隨機場相結(jié)合的命名實體抽取方法。將護理領(lǐng)域文獻轉(zhuǎn)化為字向量,再通過神經(jīng)網(wǎng)絡對句子特征進行計算,最后使用條件隨機場進行實體標注。為了提高實體抽取的準確率,使用遺傳算法對神經(jīng)網(wǎng)絡訓練時所需的各類參數(shù)進行優(yōu)化,使模型更適合文獻的結(jié)構(gòu)。最終,實體抽取的精確率達到85.2%,較直接進行抽取提高了3%。
【學位授予單位】：合肥工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TP391.1;R47
【圖文】：

圖 3.1 一階鏈式條件隨機場Fig 3.1 First-order chain conditional random field圖 3.2 圖結(jié)構(gòu)相同的 X 和 Y 構(gòu)成的一階鏈式條件隨機場

14圖 3.2 圖結(jié)構(gòu)相同的 X 和 Y 構(gòu)成的一階鏈式條件隨機場g 3.2 The first-order chain conditional random field of X and Y with the same struc其中，X n 表示輸入的觀察序列，Y - - -n 表示序列。條件隨機場的條件概率P( )的計算，需要通過使用勢函數(shù)以及圖結(jié)函數(shù)是定義在變量子集上的非負實函數(shù)，作用是來定義概率分布函的是圖中節(jié)點的一個特殊子集，該子集中的任意兩節(jié)點間都有邊連接

【參考文獻】

相關(guān)期刊論文 前10條

1 邱泉清;苗奪謙;張志飛;;中文微博命名實體識別[J];計算機科學;2013年06期

2 孫鎮(zhèn);王惠臨;;命名實體識別研究進展綜述[J];現(xiàn)代圖書情報技術(shù);2010年06期

3 遲呈英;于長遠;戰(zhàn)學剛;;基于條件隨機場的中文分詞方法[J];情報雜志;2008年05期

4 陳霄;劉慧;陳玉泉;;基于支持向量機方法的中文組織機構(gòu)名的識別[J];計算機應用研究;2008年02期

5 周順先;林亞平;王耀南;易葉青;;基于聚簇隱馬爾可夫模型的文本信息抽取[J];系統(tǒng)仿真學報;2007年21期

6 洪銘材;張闊;唐杰;李涓子;;基于條件隨機場(CRFs)的中文詞性標注方法[J];計算機科學;2006年10期

7 張華平,劉群;基于角色標注的中國人名自動識別研究[J];計算機學報;2004年01期

8 魏延,謝開貴;模擬退火算法[J];蒙自師范高等�？茖W校學報;1999年04期

9 張小衡,王玲玲;中文機構(gòu)名稱的識別與分析[J];中文信息學報;1997年04期

10 孫艷豐，王眾托;遺傳算法在優(yōu)化問題中的應用研究進展[J];控制與決策;1996年04期

本文編號：2742803