基于crfsuited的医疗命名实体抽取的Python实现
医疗电子病例命名实体识别评测任务的一个可执行demo，采用的方法是条件随机场(CRF)，实现CRF的第三方库为[python-crfsuite]。目前该demo准确率为68%，召回率为62%，F1值为64.8%。
2019-12-21 19:28:01
405KB
1
从深度学习的角度出发,提出了一种基于Attention 的双向长短时记忆网络(bidirectional long short-term memory,BLSTM)与条件随机场(conditional random fields,CRF)相结合的领域术语抽取模型(BLSTM_Attention_CRF
模型),并使用基于词典与规则相结合的方法对结果进行校正,准确率可达到 86%以上,该方法切实可行。
2019-12-21 19:28:01
1.48MB
1