检索结果-维普期刊中文期刊服务平台

一种松耦合的生物医学命名实体识别算法被引量：2: 1; 作者胡俊锋陈蓉 +2 位作者陈源陈浩于中华《计算机应用》 CSCD 北大核心 2007年第11期2866-2869,共4页; 生物医学命名实体识别(Bio-NER)是生物医学文献挖掘利用的基础工作。针对目前Bio-NER存在的困难和问题,提出了松耦合的Bio-NER算法LCA,该算法利用启发规则过滤器、词性模板匹配及改良的隐马尔科夫模型(HMM)识别生物医学命名实体。在GENI... 展开更多; 关键词生物医学命名实体启发规则过滤器词性模板匹配词根匹配隐马尔科夫模型松耦合算法; 在线阅读下载PDF 职称材料

基于感知器的生物医学命名实体边界识别算法被引量：2: 2; 作者胡俊锋陈浩 +2 位作者陈蓉谭斌于中华《计算机应用》 CSCD 北大核心 2007年第12期3026-3028,3031,共4页; 在生物信息学领域内生物医学命名实体识别(Bio-NER)是生物医学文献挖掘、利用的基础工作,由于实体边界识别的困难导致目前Bio-NER效率较低,因此提出了基于感知器的实体边界识别算法,该算法采用随机梯度下降算法训练权重,利用token过滤器... 展开更多; 关键词生物医学命名实体感知器 N-GRAM模型实体边界识别; 在线阅读下载PDF 职称材料

基于CNN-BLSTM-CRF模型的生物医学命名实体识别被引量：129: 3; 作者李丽双郭元凯《中文信息学报》 CSCD 北大核心 2018年第1期116-122,共7页; 命名实体识别是自然语言处理任务的重要步骤。近年来,不依赖人工特征的神经网络在新闻等通用领域命名实体识别方面表现出了很好的性能。然而在生物医学领域,许多实验表明基于领域知识的人工特征对于神经网络模型的结果影响很大。因此,... 展开更多; 关键词生物医学命名实体识别 LSTM CNN; 在线阅读下载PDF 职称材料

基于分类器串联融合的生物医学命名实体识别: 4; 作者马瑞民马民艳王浩畅《大庆石油学院学报》 CAS 北大核心 2011年第2期91-94,122,共4页; 鉴于生物医学命名实体识别的多数模型使用单机器学习算法时识别效果不好,提出一种基于条件随机域(CRFs)与最大熵(Maxent)分类器融合的方法,利用基分类器之间的相关性和互补性,结合有效的特征集合,进行再学习,得到融合模型.实验表明,该... 展开更多; 关键词条件随机域最大熵分类器融合特征提取生物医学命名实体识别; 在线阅读下载PDF 职称材料

结合CRF的边界组合生物医学命名实体识别被引量：8: 5; 作者扈应陈艳平 +1 位作者黄瑞章秦永彬《计算机应用研究》 CSCD 北大核心 2021年第7期2025-2031,共7页; 许多的生物医学命名实体识别(Bio-NER)工作都集中于提取扁平化的实体,而忽略了嵌套实体和不连续实体。此外,大多数生物医学命名实体都未遵循统一的命名法,具有许多典型的领域特征,但其使用效率较低。为此提出一种结合CRF的边界组合命名... 展开更多; 关键词生物医学命名实体识别深度学习条件随机场信息抽取; 在线阅读下载PDF 职称材料

基于词义增强的生物医学命名实体识别方法被引量：4: 6; 作者陈梦萱陈艳平 +2 位作者扈应黄瑞章秦永彬《计算机工程》 CAS CSCD 北大核心 2023年第10期305-312,共8页; 生物医学命名实体识别(BioNER)是生物医学文本挖掘的核心任务之一,能够为下游任务提供有力支撑。与通用领域相比,生物医学数据中存在更多的未登录词,现有BioNER方法通常将未登录词拆分为语素进行表示学习,这种方法缓解了未登录词表示信... 展开更多; 关键词生物医学命名实体识别语素词义增强双向长短期记忆网络注意力机制; 在线阅读下载PDF 职称材料

基于字符级特征自适应的生物医学命名实体识别被引量：5: 7; 作者于祥钦王香 +1 位作者李智强徐贤《小型微型计算机系统》 CSCD 北大核心 2023年第9期1876-1883,共8页; 生物医学领域新增实体数量和类型迅速增加,在预训练词表容量有限的情况下,字符嵌入可以在一定程度上解决未登录词问题,单一的字符级特征提取器所提取字符嵌入的潜在表征有一定局限性.针对此问题,提出一种字符级特征自适应融合的生物医... 展开更多; 关键词生物医学命名实体识别双向长短期记忆网络卷积神经网络字符级特征自适应; 在线阅读下载PDF 职称材料

题名一种松耦合的生物医学命名实体识别算法被引量：2: 1; 作者胡俊锋陈蓉陈源陈浩于中华; 机构四川大学计算机学院; 出处《计算机应用》 CSCD 北大核心 2007年第11期2866-2869,共4页; 基金国家自然科学基金资助项目(60473071) 高等学校博士学科点专项科研基金项目(20020610007) 四川大学计算机学院青年基金项目; 文摘生物医学命名实体识别(Bio-NER)是生物医学文献挖掘利用的基础工作。针对目前Bio-NER存在的困难和问题,提出了松耦合的Bio-NER算法LCA,该算法利用启发规则过滤器、词性模板匹配及改良的隐马尔科夫模型(HMM)识别生物医学命名实体。在GENIA corpus3.02语料库上进行的实验表明,LCA可以达到80%的准确率和89%的召回率,优于相关工作中的结果。; 关键词生物医学命名实体启发规则过滤器词性模板匹配词根匹配隐马尔科夫模型松耦合算法; Keywords biomedical named entity heuristic rule filter Parts Of Speech （POS） pattern matching etyma matching Hidden Markov Model （HMM） loose coupling algorithm; 分类号 TP181 [自动化与计算机技术—控制理论与控制工程] TP391.4 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于感知器的生物医学命名实体边界识别算法被引量：2: 2; 作者胡俊锋陈浩陈蓉谭斌于中华; 机构四川大学计算机学院; 出处《计算机应用》 CSCD 北大核心 2007年第12期3026-3028,3031,共4页; 基金国家自然科学基金资助项目(60473071) 高等学校博士学科点专项科研基金SRFDP(20020610007) 四川大学计算机学院青年基金资助项目; 文摘在生物信息学领域内生物医学命名实体识别(Bio-NER)是生物医学文献挖掘、利用的基础工作,由于实体边界识别的困难导致目前Bio-NER效率较低,因此提出了基于感知器的实体边界识别算法,该算法采用随机梯度下降算法训练权重,利用token过滤器、n-gram模型及实体过滤器实现生物医学命名实体边界识别。在GENIA corpus 3.02语料库上进行的实验表明,该算法可以达到71.5%的准确率和79.2%的召回率,与相关工作相比均有一定提高。另外算法相对简单,识别算法速度较快,易在生产中应用。; 关键词生物医学命名实体感知器 N-GRAM模型实体边界识别; Keywords biomedical named entity perceptron n-gram biomedical named entity boundary identification; 分类号 TP311.13 [自动化与计算机技术—计算机软件与理论]; 在线阅读下载PDF 职称材料

题名基于CNN-BLSTM-CRF模型的生物医学命名实体识别被引量：129: 3; 作者李丽双郭元凯; 机构大连理工大学计算机科学与技术学院; 出处《中文信息学报》 CSCD 北大核心 2018年第1期116-122,共7页; 基金国家自然科学基金(61672126); 文摘命名实体识别是自然语言处理任务的重要步骤。近年来,不依赖人工特征的神经网络在新闻等通用领域命名实体识别方面表现出了很好的性能。然而在生物医学领域,许多实验表明基于领域知识的人工特征对于神经网络模型的结果影响很大。因此,如何在不依赖人工特征的情况下获得较好的生物医学命名实体识别性能是有待解决的问题。该文提出一种基于CNN-BLSTM-CRF的神经网络模型。首先利用卷积神经网络(CNN)训练出单词的具有形态特征的字符级向量,并从大规模背景语料训练中得到具有语义特征信息的词向量,然后将二者进行组合作为输入,再构建适合生物医学命名实体识别的BLSTM-CRF深层神经网络模型。实验结果表明,不依赖任何人工特征,该文方法在BiocreativeⅡGM和JNLPBA2004生物医学语料上都达到了目前最好的结果,F-值分别为89.09%和74.40%。; 关键词生物医学命名实体识别 LSTM CNN; Keywords biomedical NER LSTM CNN; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于分类器串联融合的生物医学命名实体识别: 4; 作者马瑞民马民艳王浩畅; 机构东北石油大学计算机与信息技术学院; 出处《大庆石油学院学报》 CAS 北大核心 2011年第2期91-94,122,共4页; 基金黑龙江省自然科学基金项目(F200603); 文摘鉴于生物医学命名实体识别的多数模型使用单机器学习算法时识别效果不好,提出一种基于条件随机域(CRFs)与最大熵(Maxent)分类器融合的方法,利用基分类器之间的相关性和互补性,结合有效的特征集合,进行再学习,得到融合模型.实验表明,该模型的识别性能与单一分类器和JNLPBA专题会议相关的系统比较,取得很好成绩,F测度达到70.7%,证明该融合方法有效.; 关键词条件随机域最大熵分类器融合特征提取生物医学命名实体识别; Keywords conditional random fields maximum entropy cascade generalization feature extraction bio-entity recognition; 分类号 TP311.135 [自动化与计算机技术—计算机软件与理论]; 在线阅读下载PDF 职称材料

题名结合CRF的边界组合生物医学命名实体识别被引量：8: 5; 作者扈应陈艳平黄瑞章秦永彬; 机构贵州大学计算机科学与技术学院贵州大学贵州省公共大数据重点实验室; 出处《计算机应用研究》 CSCD 北大核心 2021年第7期2025-2031,共7页; 基金国家自然科学基金通用联合基金重点资助项目(U1836205) 国家自然科学基金重大研究计划资助项目(91746116) +2 种基金贵州省科学技术基金重点资助项目(黔科合基础[2020]1Z055)。; 文摘许多的生物医学命名实体识别(Bio-NER)工作都集中于提取扁平化的实体,而忽略了嵌套实体和不连续实体。此外,大多数生物医学命名实体都未遵循统一的命名法,具有许多典型的领域特征,但其使用效率较低。为此提出一种结合CRF的边界组合命名实体识别方法,有效地利用了生物医学实体特征。该方法包括边界检测、边界组合和实体筛选三个步骤。首先使用神经网络模型和基于特征的CRF模型识别实体开始和结束边界,然后经过边界组合产生候选实体,最后使用多输入的卷积神经网络模型对候选实体进行筛选并分类。实验表明,该方法能够有效地识别生物医学文献中的嵌套和不连续实体,在GENIA数据集上达到81.89%的F值。; 关键词生物医学命名实体识别深度学习条件随机场信息抽取; Keywords biomedical named entity recognition deep learning CRF information extraction; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于词义增强的生物医学命名实体识别方法被引量：4: 6; 作者陈梦萱陈艳平扈应黄瑞章秦永彬; 机构贵州大学公共大数据国家重点实验室贵州大学计算机科学与技术学院; 出处《计算机工程》 CAS CSCD 北大核心 2023年第10期305-312,共8页; 基金国家自然科学基金(62166007)。; 文摘生物医学命名实体识别(BioNER)是生物医学文本挖掘的核心任务之一,能够为下游任务提供有力支撑。与通用领域相比,生物医学数据中存在更多的未登录词,现有BioNER方法通常将未登录词拆分为语素进行表示学习,这种方法缓解了未登录词表示信息不足的问题,但是破坏了单词的内部信息,对语素进行标签预测时容易出现标签不一致和跨实体标签问题。此外,将单词分割为语素导致句子长度变长,加重了训练中存在的梯度消失问题。提出一种通过BiLSTM-Biaffine结构进行词义增强的BioNER方法。通过BioBERT预训练模型获取语素表示信息,使用BiLSTM-Biaffine进行词义增强,在单词层面利用BiLSTM分别获取语素的前向和后向序列信息,采用Biaffine注意力机制增强其关联信息并重新融合为单词表示,最后通过BiLSTM-CRF模型获取输入句子的标签序列。实验结果表明,在数据集BC2GM、NCBI-Disease、BC5CDR-chem和JNLPBA上,该方法的F1值分别达到84.94%、89.07%、92.14%和74.57%,与主流序列标注模型MTM-CW、MT-BioNER等相比平均分别提高了2.99、1.84、3.09和1.03个百分点,验证了所提方法在BioNER任务中的有效性。; 关键词生物医学命名实体识别语素词义增强双向长短期记忆网络注意力机制; Keywords Biomedical Named Entity Recognition(BioNER) morpheme word meaning enhancement Bidirectional Long Short-Term Memory(BiLSTM)network attention mechanism; 分类号 TP391.9 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于字符级特征自适应的生物医学命名实体识别被引量：5: 7; 作者于祥钦王香李智强徐贤; 机构华东理工大学信息科学与工程学院; 出处《小型微型计算机系统》 CSCD 北大核心 2023年第9期1876-1883,共8页; 基金国家自然科学基金项目(61872142,62072299,61772336,61702334,6172200,61173048,61557218)资助上海市经济和信息委员会信息发展专项基金项目(201602008)资助 +2 种基金 ECUST教育研究基金项目(ZH1726108)资助.; 文摘生物医学领域新增实体数量和类型迅速增加,在预训练词表容量有限的情况下,字符嵌入可以在一定程度上解决未登录词问题,单一的字符级特征提取器所提取字符嵌入的潜在表征有一定局限性.针对此问题,提出一种字符级特征自适应融合的生物医学命名实体模型.首先利用卷积神经网络(CNN)和双向长短期记忆网络(BiLSTM)提取文本的字符向量,训练过程中动态计算文本单词两种字符向量的权重并进行拼接,使得模型在字符粒度上更加充分的利用信息,并加入词性信息和组块分析作为额外特征;将词向量、字符级特征和额外特征拼接后输入到BiLSTM-CRF神经网络模型进行训练.结果表明,所提模型在NCBI-disease和BiocreativeⅡGM语料库上平均F1值达到87.14%和81.04%,有效的提升了生物医学命名实体识别的效果.; 关键词生物医学命名实体识别双向长短期记忆网络卷积神经网络字符级特征自适应; Keywords biomedical named entity recognition Bidirectional Long Short-Term Memory Network(BiLSTM) Convolutional Neural Network(CNN) character level features self-adaption; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	一种松耦合的生物医学命名实体识别算法	胡俊锋陈蓉陈源陈浩于中华	《计算机应用》 CSCD 北大核心	2007	2	在线阅读下载PDF 职称材料
2	基于感知器的生物医学命名实体边界识别算法	胡俊锋陈浩陈蓉谭斌于中华	《计算机应用》 CSCD 北大核心	2007	2	在线阅读下载PDF 职称材料
3	基于CNN-BLSTM-CRF模型的生物医学命名实体识别	李丽双郭元凯	《中文信息学报》 CSCD 北大核心	2018	129	在线阅读下载PDF 职称材料
4	基于分类器串联融合的生物医学命名实体识别	马瑞民马民艳王浩畅	《大庆石油学院学报》 CAS 北大核心	2011	0	在线阅读下载PDF 职称材料
5	结合CRF的边界组合生物医学命名实体识别	扈应陈艳平黄瑞章秦永彬	《计算机应用研究》 CSCD 北大核心	2021	8	在线阅读下载PDF 职称材料
6	基于词义增强的生物医学命名实体识别方法	陈梦萱陈艳平扈应黄瑞章秦永彬	《计算机工程》 CAS CSCD 北大核心	2023	4	在线阅读下载PDF 职称材料
7	基于字符级特征自适应的生物医学命名实体识别	于祥钦王香李智强徐贤	《小型微型计算机系统》 CSCD 北大核心	2023	5	在线阅读下载PDF 职称材料