基于持续学习与知识蒸馏的中文医疗连续实体识别方法

基于持续学习与知识蒸馏的中文医疗连续实体识别方法，包括以下步骤：步骤1：将含有连续命名实体的中文医疗文本输入到CK‑CMCNER模型中，经过BERT编码层生成实体特征表示；步骤2：在特征提取层中，通过双向GRU模型捕捉词元间的前后向上下文信息，将正反向隐藏状态加权结合，得到更准确的词元特征表示；步骤3：在跨度表示层中，采用特定于实体类型的前馈网络对每个跨度的起始和终止位置编码，通过残差连接增强表示能力，并引入相对位置编码细化词元间位置信息，提升模型对嵌套或重叠实体的识别精度；步骤4：在多标签损失层中，通过二元交叉熵BCE损失函数对每种实体类型独立分类，并结合知识蒸馏技术，确保新知识学习不会导致旧知识遗忘。