用于临床概念抽取的双向 LSTM-CRF
机器学习
2016-11-28 v1 计算与语言
机器学习
摘要
从患者临床记录中自动抽取概念是临床研究的重要促进因素。为此，2010 年 i2b2/VA 临床记录自然语言处理挑战赛引入了一项概念抽取任务，旨在将概念识别并分类为预定义类别（即治疗、检查和问题）。最先进的概念抽取方法严重依赖难以收集和定义的手工特征和领域特定资源。因此，本文提出了一种替代的、精简的方法：一个循环神经网络（带有 CRF 解码的双向 LSTM），使用通用的现成词嵌入进行初始化。使用所提框架在 2010 年 i2b2/VA 参考语料库上取得的实验结果优于所有近期方法，并接近原始 2010 年 i2b2/VA 挑战赛的最佳提交。
引用
@article{arxiv.1611.08373,
title = {Bidirectional LSTM-CRF for Clinical Concept Extraction},
author = {Raghavendra Chalapathy and Ehsan Zare Borzeshi and Massimo Piccardi},
journal= {arXiv preprint arXiv:1611.08373},
year = {2016}
}
备注
This paper "Bidirectional LSTM-CRF for Clinical Concept Extraction" is accepted for short paper presentation at Clinical Natural Language Processing Workshop at COLING 2016 Osaka, Japan. December 11, 2016