论文研究 基于Bi LSTM的医疗事件识别研究.pdf

文本的信息抽取及属性识别是文本语义分析的一项重要任务。在已有工作基础上提出了双向LSTM与MLP集成的深度神经网络模型。在2016年SemEval的医疗事件抽取以及事件属性预测任务中，该模型将医疗文本的词性以及命名实体的描述信息当做附加属性，使用双向LSTM神经网络学习文本的隐藏特征，解决了传统方法通用性不强以及无法捕捉前后文隐含信息的缺点，再使用全连接的方式去判断候选词汇是否属于医疗事件以及识别其相关属性。实验结果表明，提出的神经网络模型对医疗文本的抽取效果优于以往学者的方法。