计算机工程与科学

作者：许力, 李建华

单位：华东理工大学信息科学与工程学院，上海200237

关键词：生物医学；命名实体识别,预训练语言模型；词性分析；组块分析,

基金：国家重大新药创制(2018ZX09735002)；国家重点研发计划(2016YFA0502304)

在生物医学领域，以静态词向量表征语义的命名实体识别方法准确率不高。针对此问题，提出一种将预训练语言模型BERT和BiLSTM相结合应用于生物医学命名实体识别的模型。首先使用BERT进行语义提取生成动态词向量，并加入词性分析、组块分析特征提升模型精度；其次，将词向量送入BiLSTM模型进一步训练，以获取上下文特征；最后通过CRF进行序列解码，输出概率最大的结果。该模型在BC4CHEMD、BC5CDR-chem和NCBI-disease数据集上的平均F1值达到了89.45%。实验结果表明，提出的模型有效地提升了生物医学命名实体识别的准确率。

来源：2021年第10期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2021年第10期