数千年来中医一直作为中华民族防疾治病的方法,即使到现在,中医仍在我国医疗体系中扮演着不可或缺的角色。中医古籍文献是中医学的精髓,也是现代中医研究的核心经验与知识的源泉。利用命名实体识别技术从中医古籍中抽取相关的知识实体,有助于促进中医学数字化发展,能够为中医研究者和从业者提供科学、便捷的中医古文献中蕴含的辨证论治原则及治法。利用先进的命名实体识别技术更好地完成中医领域的命名实体识别任务是十分有必要的。目前,利用深度学习模型已逐渐成为命名实体识别任务的主流方法,但面向中医领域的深度学习模型的研究与应用仍不够充分。而且由于中医领域语料小规模少标注的特征,深度学习模型也难以到达令人满意的效果。因此,为了提高中医领域命名实体识别的效果,在以下两个方面对利用深度学习模型的方法进行了改进。基于迁移学习策略,采用了预训练模型与深度学习模型相结合的方式来构建医古文命名实体识别模型,设计了BERT-双向长短时记忆神经网络-条件随机场模型。此模型通过引入BERT预训练模型,来强化词向量所蕴含的语义信息,并根据上下文信息生成深层次的词表征向量。然后通过双向长短时记忆神经网络来对输入序列进行深度上下文特征提取。接着利用条件随机场来约束并输出预测实体标注的结果。在医古文医案数据集上设置了多组对比实验。实验结果表明此模型在各实体类别的F1值均高于其他模型,证明了此方法能够有效提高中医医古文实体的识别效果。此外,对于医古文术语识别困难、术语复杂特征稀疏的问题,借鉴远程监督的思想,利用了外部知识库去指导深度学习模型来进行医古文命名实体识别任务。引入How Net知识库,利用How Net所具有义原知识对医古文语料进行解释,对医古文短句及复杂实体术语进行特征扩充,增加义原知识信息特征,将义原表征向量与一般的词向量融合,并通过深度学习模型进行医古文命名实体识别。实验结果表明该方法能在一定程度上提高医古文复杂实体的识别效果。图33幅;表8个;参60篇。