基于LSTM-CRF的中医医案症状术语识别

摘要

目前中医文献和临床医案数字化、结构化程度较低,从文本中有效获取症状信息是医案结构化的首要任务之一。针对中医医案临床症状术语,提出了一种基于长短期记忆(LSTM)网络和条件随机场(CRF)的深度学习症状术语识别方法。首先,参考中医临床症状术语规范,根据常见症状的组成要素制定了额外的字符级别特征,结合预训练的字嵌入获得文本序列的向量表示;其次,通过双向长短期记忆网络建模症状术语字符分布特征与句内依赖,获得序列元素的概率分布矩阵;最后,通过条件随机场获得序列标注结果。在小规模训练集上的实验表明,该方法在中医临床症状术语识别任务上F1值最高达到了0. 78。同时,该方法与传统的使用条件随机场方法相比,能够有效地识别字符较多的长症状术语,与进行人工特征标注相比代价更小。