基于条件随机场的中医临床病历命名实体抽取.PDFVIP

第40卷　 第9期 　 计 算 机 工 程 　 2014年9月 　 　 Vol.40　 No.9 　 Computer Engineering September 2014 ·开发研究与工程应用 · 文章编号:1000-3428(2014)09-0312-05　 　 　 文献标识码:A　 　 　 中图分类号:TP391 基于条件随机场的中医临床病历命名实体抽取 1a 1a,1b 1a,1b 2 刘　 凯 ,周雪忠 ,于　 剑 ,张润顺 (1.北京交通大学 a.计算机与信息技术学院;b.交通数据分析与挖掘北京市重点实验室,北京 100044; 2.中国中医科学院广安门医院,北京 100053) 摘　 要:中医临床病历是中医重要的科研数据资源,但目前临床病历仍以文本为主要表达形式,对病历数据深入分 析的前提是进行结构化信息抽取,而命名实体抽取是其基础性步骤。 针对中医临床病历的命名实体,如症状、疾病 和诱因等的抽取问题,通过手工标注的413份病历数据(以中文字为特征)与4类特征模版,将条件随机场(CRF)、 隐马尔科夫模型(HMM)和最大熵马尔科夫模型(MEMM)用于中医病历命名实体抽取的实验,并进行比较分析。 结果表明,结合合适的特征模版,CRF命名实体抽取方法取得了较好的性能,F1值的症状达到0.80,疾病名称达到 0.74,诱因0.74。 与HMM和MEMM相比,CRF有最高的准确率和召回率,是一种较为适用的中医临床病历命名 实体抽取方法。 关键词:中医临床病历;命名实体抽取;语料库标注系统;条件随机场;特征模板 Named Entity Extraction of Traditional Chinese Medicine Medical Records Based on Conditional Random Field 1a 1a,1b 1a,1b 2 LIU Kai ,ZHOU Xue-zhong ,YU Jian ,ZHANG Run-shun (1a. School of Computer and Information Technology;1b.Beijing Key Lab of Traffic Data Analysisand Mining,Beijing Jiaotong University,Beijing 100044,China;2.Guang’anmen Hospital,China Academy of Chinese Medical Sciences,Beijing 100053,China) 【Abstract】 Traditional Chinese Medicine(TCM) medical records are the important data resources of the TCM medical research.Themainformofthemisstilltextnow,anditisnecessarytoextractthestructuredinformationfromthemedical records,while named entity extraction is the basic step. It makes 413 copies of manually labeled medical records in Chinese text and four types of feature templates to study about the named entity extraction practi