2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩64頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領

文檔簡介

1、隨著各國政府對健康醫(yī)療信息系統(tǒng)的投入,電子病歷信息挖掘得到越來越多學者的關注。電子病歷中蘊含的知識能夠應用在醫(yī)療診斷、用戶制定健康計劃和醫(yī)療問答等領域中。概念抽取作為信息處理的基礎模塊,在電子病歷的信息挖掘上不可或缺。
  與傳統(tǒng)的文本相比,電子病歷有其自身的特點。電子病歷中包含大量專業(yè)術語、醫(yī)療習慣用語、以數(shù)字和單位表示的檢查結(jié)果、縮寫詞、模式較強但結(jié)構(gòu)不完整的句子,并且以半結(jié)構(gòu)化的方式組織各部分內(nèi)容,此外,由于涉及到病人的隱私

2、,目前公開可用的病歷數(shù)據(jù)很有限。這些特點加大了電子病歷概念抽取的難度,在2010年i2b2舉辦的評測中,電子病歷概念抽取任務最好系統(tǒng)的F值為0.8523,與傳統(tǒng)領域概念抽取效果有一定差距。
  為了更好地抽取電子病歷相關概念,本文使用了CRF、最大熵、MIRA三種基本學習模型并利用實體識別的基本特征建立了baseline系統(tǒng)。在利用最大熵模型時,由于詞分類結(jié)果明顯優(yōu)于概念抽取的結(jié)果,本文將當前位置前一個詞的標簽作為模型特征,從而很

3、大幅度地提高了最大熵識別概念的效果。
  針對電子病歷的特點,本文從特征擴展、學習模型組合以及其它領域資源的使用三個方面進行研究,從而提高了概念抽取的效果。在特征擴展方面,充分利用了電子病歷的結(jié)構(gòu)特點和構(gòu)詞字符信息,并借助于醫(yī)療相關的資源,兩類特征各使概念抽取的F值提高了約一個百分點,此外,通過挖掘病歷中名詞潛在的語義知識使概念抽取F值提高了約兩個百分點;在學習模型的組合上,嘗試了bagging方法以及堆積策略,前者組合優(yōu)化相同學

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論