论文部分内容阅读
提出一种基于BiLSTM-CRF的中文电子病历命名实体识别模型,通过嵌入层将电子病历转换为特征向量,然后送入BiLSTM网络,最后通过CRF层约束结果标签,输出预测结果。实验证明BiLSTM-CRF模型在进行中文电子病历命名实体识别时,能捕获较长文本的长距离依赖关系,解决循环神经网络中的梯度消失及梯度爆炸问题,为提高计算机智能诊断和决策系统的准确率提供坚实的基础。