《表2 电子病历手术实体标准化实验结果》

  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

《基于深度学习的电子病历实体标准化》

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

表2中，Siamese-LSTM表示编码器部分使用单向的LSTM网络，LSTM单元数量为20。Siamese-BiLSTM表示编码器使用双向LSTM，每个方向有10个LSTM单元，共20个。编辑距离算法的top-5正确率比top-1正确率高了约14.5个百分点，差距较大。通过分析编辑距离算法出错的样本，发现与手术名在字面上相似的标准术语有多个，匹配时易造成干扰，比如“左肺上叶切除术”对应标准术语是“肺叶切除术”，但对“余肺肺叶切除术”造成了干扰，使得编辑距离算法无法作出正确匹配。两种Siamese网络在top-1、top-5正确率上都明显好于编辑距离，可见对于手术实体标准化，仅依靠字面形式上的相似度，融合语义信息和序列信息的向量空间模型能有效消除干扰项影响，提升标准化正确率。对于Siamese网络编码器部分，双向LSTM在top-1、top-5正确率上均明显好于单向LSTM，尤其是在最重要的top-1正确率上提升了约11.6个百分点，说明手术实体标准化任务仅有单向序列信息是不够的，增加逆向序列信息能有效改善手术实体标准化效果。