《表2 基于Bi LSTM-CRF模型对症状和部位实体识别结果》

  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

《基于药物论坛中潜在不良反应与适应症的知识发现体系构建》

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

从用药者评论中识别适应症和不良反应实体，从文本中提取出可以表达适应症和不良反应的文本片段，在中文的自然语言处理领域中，可以当作命名实体识别问题，即从句子中识别出表达适应症和不良反应的实体。利用Bi LSTM-CRF模型对标注的数据进行训练，提取评论文本的症状和部位实体，部分识别结果见表2。其中，症状既可能是适应症，也可能是不良反应。通常在适应症或不良反应的描述中，发生部位尤其重要，但其在句子中的位置有可能与症状实体有一定间隔，因此需要将部位信息提取出来。本文使用Bi LSTM-CRF模型，达到识别句子中症状和部位实体的目的。