古代中国医学文献的命名实体识别研究 ——以Flat-lattice增强的SikuBERT预训练模型为例

标注古代中医文献的命名实体能挖掘其蕴藏的中医学知识,推进中医现代化发展.文章基于BERT-base、RoBERTa、SikuBERT、SikuRoBERTa预训练模型,以《黄帝内经·素问》为研究对象、Flat-lattice Transformer(FLAT)结构为微调模型,构建中医文献中病证、病理、经络、穴位、五行等命名实体识别任务.实验结果表明:直接使用古文繁体BERT模型对古代中医文献进行领域命名实体识别,基于繁体《四库全书》的SikuBERT、SikuRoBERTa预训练模型效果优于BERT-base、RoBERTa模型;引入FLAT结构作为微调模型后,SikuBERT在有标点情况下表现最优,识别效果可提升4％左右,SikuRoBERTa在无标点情况下表现最优,识别效果可提高2％～3％.实验验证了FLAT作为微调模型对BERT模型在中医专业领域中古文献命名实体识别工作上的有效性.该微调模型可以有效避免分词错误引起的实体识别传播错误,提高中医命名实体的识别效率.