基于深度学习的中医典籍命名实体识别研究

本文针对中医典籍存在的知识体系复杂、分词困难等难点以及传统方法人工构建特征不准确等问题,提出了一种基于深度学习的中医典籍命名实体识别方法.根据中医典籍的语料特征及主流的深度学习模型特点,以中医典籍的字向量为输入,采用基于双向长短时记忆神经网络和条件随机场(BiLSTM-CRF)的实体识别模型,对《黄帝内经》中的中医认识方法、中医生理、中医病理、中医自然、治则治法等5种实体进行识别,精确率为85.44％,召回率为85.19％,F1值为85.32％.在相同的中医典籍语料上做了大量对比分析实验,验证了该方法的有效性.结果证明:该方法有效提高了中医典籍的实体识别准确率,是深度学习在特殊语料处理领域的一次较有价值的尝试,具有一定的实践意义.