《表2 词典规模：基于句子级Lattice-长短记忆神经网络的中文电子病历命名实体识别》

  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

《基于句子级Lattice-长短记忆神经网络的中文电子病历命名实体识别》

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

（3） 词典特征。因为EMR的专业性比较强，为减少实体的错切分率，引入专业词典具有重要意义。在英文NER领域，MeSH、UMLS、SNOMED-CT、RxNORM等通用词典发挥了重要作用。由于中文领域缺乏公开且完整的医学词典，因此，我们从网络和书本中整理并构建了EMR基本元素（item）、解剖位置（body）、症状（symptom）、中文临床药物标准知识库（normalized Chinese clinical drug，NCCD）[10]4个词典。词典规模如表2所示。例如NCCD包括CONCEPT-NAME、CONCEPT-ID、CONCEPT-CLASS-ID等属性，本研究整理了CONCEPT-NAME药名属性共28 008个作为词典特征加入。