检索结果

期刊

出版年

关键词

Please wait a minute...

选择:

导出引用
EndNote Ris BibTeX

显示/隐藏图片

Select

1. 中文电子病历中的时间关系识别

孙健, 高大启, 阮彤, 殷亦超, 高炬, 王祺

计算机应用 2018, 38 (3): 626-632. DOI: 10.11772/j.issn.1001-9081.2017082087

摘要（642）

PDF （1121KB）（735）

中文电子病历中的时间关系包括句内时间关系和句间时间关系，其中，句内时间关系包括句内事件-事件的时间关系和句内事件-时间的时间关系，句间时间关系即是句间事件-事件的时间关系。把中文电子病历文本中的时间关系识别转化成实体对分类问题，针对句内时间关系的识别，制定了高准确率的启发式规则，并设计了基本特征、短语句法特征、依存特征和其他特征，训练分类器缓解句内时间关系的识别错误；针对句间时间关系的识别，在高准确率的启发式规则之外，设计了基本特征、短语句法特征和其他特征，训练分类器减少句间时间关系的识别错误。实验结果表明，当分别使用支持向量机（SVM）、SVM和随机森林（RF）算法时，所提方法在句内事件-事件、句内事件-时间和句间事件-事件的时间关系识别上的效果最好，其F ₁值分别达到了84.0%、85.6%和63.5%。

参考文献 | 相关文章 | 多维度评价

Select

2. 基于症状构成成分的上下位关系自动抽取方法

王婷, 王祺, 黄越圻, 殷亦超, 高炬

计算机应用 2017, 37 (10): 2999-3005. DOI: 10.11772/j.issn.1001-9081.2017.10.2999

摘要（521）

PDF （1095KB）（518）

针对症状间上下位关系具有较强结构特性的问题，提出一种基于症状构成成分的上下位关系自动抽取方法。首先，通过观察症状实体，发现症状可以切分为原子症状词、修饰词等八种成分，且成分的构成序列满足一定的规则。然后，利用词法分析系统和条件随机场模型对症状进行切分和成分标注。最后，把症状之间的关系抽取看作一个分类问题，选取症状成分的构成特征、词典特征以及通用特征作为分类算法的特征；基于多种分类算法训练模型，将症状间的关系分为上下位关系和非上下位关系。实验结果表明，当选用支持向量机算法，同时选用三类特征时，取得了最好的效果，准确率、召回率和 F1值分别达到了82.68%、82.13%和82.40%。在此基础上，使用所提出的关系抽取算法，抽取了20619条上下位关系，构建了具有上下位关系的症状知识库。

参考文献 | 相关文章 | 多维度评价