《表2 标注样例：基于预训练BERT字嵌入模型的领域实体识别》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于预训练BERT字嵌入模型的领域实体识别》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

本文模型的预训练语料使用了2000份中文医学文献，训练语料来自中国健康信息处理学术会议（CHIP2018）评测一：中文电子病历中临床医疗实体及属性抽取任务中发布的600份电子病历训练数据。首先对文本进行必要的预处理（去除特殊字符、英文大小写以及部分标点符号等），并在处理好的文本中加入了噪音。按照5:1的比例对原始语料中肿瘤原发部位以及转移部位进行人工标注，采用BIO形式的序列标注法，B表示实体的开始，I表示实体的延续，O表示非实体部分。数据样例如表2所示。