為在模型訓(xùn)練期間保留更多信息,用預(yù)訓(xùn)練詞向量和微調(diào)詞向量對(duì)雙向長(zhǎng)短期記憶網(wǎng)絡(luò)(Bi-LSTM)神經(jīng)模型進(jìn)行擴(kuò)展,并結(jié)合協(xié)同訓(xùn)練方法來應(yīng)對(duì)醫(yī)療文本標(biāo)注數(shù)據(jù)缺乏的情況,構(gòu)建出改進(jìn)模型CTD-BLSTM (CoTraining Double word embedding conditioned Bi-LSTM)用于醫(yī)療領(lǐng)域的中文命名實(shí)體識(shí)別.實(shí)驗(yàn)表明,與原始BLSTM與BLSTM-CRF相比, CTD-BLSTM模型在語料缺失的情況下具有更高的準(zhǔn)確率和召回率,能夠更好地支持醫(yī)療領(lǐng)域知識(shí)圖譜的構(gòu)建以及知識(shí)問答系統(tǒng)的開發(fā).

【文章頁數(shù)】：6 頁


本文編號(hào)：3934214