基于BiGRU_CRF模型的医疗领域命名实体识别

摘要

本文针对传统的机器学习在进行命名实体识别时,需人工构造规则模板或特征工程等问题,提出一种基于Word2Vec训练的字向量的Bi-GRU-CRF(Bi-directional Gated Recurrent Unit Conditional Random Field)的命名实体识别模型,使用BiGRU对上下文语义依赖进行建模,学习文本特征;CRF对隐含状态建模,学习状态序列,对预测结果进行约束。实验结果表明,在医疗领域数据集的命名实体识别中,基于字向量的模型较基于词向量的模型取得了更好的识别效果,该模型的识别效果较传统深度学习模型有一定的提升。