基于字符级 BiLSTM+CRF 的日文医学文本疾病命名实体抽取
计算与语言
2018-06-12 v1 信息检索
摘要
我们提出一种“端到端”的基于字符的循环神经网络，从日文医学文本中抽取疾病命名实体，并同时判断其模态为阳性或阴性；即所提及的疾病或症状被肯定或否定。采用神经网络的动机是从标注语料中学习任务识别和正/负分类的有效词法与结构表示特征，而无需显式提供任何基于规则或人工的特征集。我们在结果中确认了我们的方法相对于先前基于字符的 CRF 或 SVM 方法的优越性。
引用
@article{arxiv.1806.03648,
title = {Neural Disease Named Entity Extraction with Character-based BiLSTM+CRF in Japanese Medical Text},
author = {Ken Yano},
journal= {arXiv preprint arXiv:1806.03648},
year = {2018}
}
备注
5 pages, 3 figures