《表1 330份入院记录中5类命名实体抽取的交叉验证准确率》
因本文研究的实体只涉及到医院名称,不存在主观判断,对标注人员的医学知识没有要求,所以两名标注人员对40份相同的语料标注的第一次的F值达到0.950,满足多人标注的一致性要求,继续完成剩下290份语料的标注。之后采用PLATO平台集成的CRF算法作为构建自然语言模型的核心算法,此算法获得的5类实体的准确率、召回率、F-score平均值分别为0.946、0.896、0.917(表1)。其中F-score较高的前4个实体均超过了0.9,表现良好。CommunityHSP的F-score较低,原因是社区医院在患者的就诊历史中出现次数非常少,训练样本数量太少导致模型的F-score较低,这一现象在语料标注时已显现。
图表编号 | XD0011310700 严禁用于非法目的 |
---|---|
绘制时间 | 2019.11.15 |
作者 | 曹凯迪、施识帆、王忠民 |
绘制单位 | 南京医科大学第一附属医院信息处、南京医科大学第一附属医院信息处、南京医科大学第一附属医院信息处 |
更多格式 | 高清、无水印(增值服务) |