基于边缘计算的维吾尔医药知识联合抽取

基于边缘计算的医学知识抽取方法将深度学习模型部署在边缘设备上，以实现本地化的实体和关系抽取。这种方法避免了将大量敏感数据传输到云数据中心，有效保护了医疗服务的隐私。然而，现有的关系抽取方法主要采用顺序流水线方法，即在实体识别后对已确定的实体之间的关系进行分类。这种模式面临诸如任务间错误传播、对两个子任务之间依赖关系考虑不足，以及忽略句子内不同关系之间相互关联等挑战。为解决这些挑战，本文提出了一种在边缘计算中采用参数共享的联合抽取模型，名为CoEx-Bert。该模型利用两个模型之间的共享参数化来联合抽取实体和关系。具体而言，CoEx-Bert采用两个模型，每个模型分别共享隐藏层参数，并结合这两个损失函数进行联合反向传播以优化模型参数。此外，它通过考虑上下文关系，有效解决了从非结构化维吾尔医学文本中抽取知识时的实体重叠问题。最后，该模型被部署在边缘设备上，用于维吾尔医学知识的实时抽取和推理。实验结果表明，CoEx-Bert优于现有的最先进方法，在维吾尔传统医学文献数据集上分别达到了90.65%的准确率、92.45%的召回率和91.54%的F1分数。与基线相比，这些改进代表了准确率提高6.45%，召回率提高9.45%，F1分数提高7.95%。