基于多层次自适应语义增强的中文医疗命名实体识别方法和装置

基于多层次自适应语义增强的中文医疗命名实体识别方法和装置，其方法包括：(1)将中文文本表示为T＝{C1、C2、···、CN}，构建字符Ci特征，包括字符特征、边界特征、部首特征、拼音特征；(2)通过ERNIE‑Health预训练模型将字符级别Ci的特征转化为向量表示，包括字符特征向量ec、边界特征向量eb、部首特征向量er、拼音特征向量ep；(3)将四种字符级特征输入字符层自适应语义增强模块。使用卷积层对字符特征进行压缩，通过门控机制和ReLU激活函数进行非线性转换，动态调整语义权重，使用多层感知机进行解压缩，得到增强后的字符级特征；(4)将增强后的字符级特征输入句子层自适应语义增强模块，通过压缩和解压缩机制自适应学习句子中不同字符的贡献；(5)将经过多层次自适应语义增强模块的增强特征输入BiLSTM‑CRF模块进行标签预测。本发明能够更好地捕捉上下文中的语义差异，解决了现有方法在特征权重分配上的局限性，提升了CNER任务的整体性能。