典型文献
基于SimBERT的中医医案实体间关系抽取
文献摘要：
自然语言处理中,实体与关系抽取是构建知识图谱、设计问答系统、语义分析等任务中不可或缺的环节.中医领域的信息多数以非结构化文本形式储存,中医文本关键信息抽取对挖掘名老中医的经验有重要作用.然而,中医文本往往存在样本不均衡、实体关系多词一义的问题,如多种诊断结果指向同一证候.为解决这些问题,构建半监督学习框架下基于SimBERT的关系抽取模型对中医文本的实体关系进行抽取,利用SimBERT的相似文本生成功能进行文本增强,以解决样本不均衡问题,SimBERT的相似句检索功能较好地解决了多词一义的问题.实验结果证明,半监督学习框架下的SimBERT模型在构建的中医医案数据集上能更精确地抽取中医文本中的实体关系.
文献关键词：
关系抽取;SimBERT;中医医案
中图分类号：
作者姓名：
刘逍;龚庆悦;李铁军;王红云
作者机构：
南京中医药大学人工智能与信息技术学院,江苏南京210046;南京中医药大学第二附属医院(江苏省第二中医院),江苏南京210017
文献出处：
引用格式：
[1]刘逍;龚庆悦;李铁军;王红云-.基于SimBERT的中医医案实体间关系抽取)[J].软件导刊,2022(11):12-18
A类：
SimBERT,实体与关系抽取
B类：
中医医案,自然语言处理,问答系统,语义分析,非结构化,结构化文本,文本形式,关键信息,信息抽取,名老中医,样本不均衡,实体关系,一义,诊断结果,证候,半监督学习,取模,文本生成,文本增强,均衡问题,检索功能
AB值：
0.275654
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
