一种融合BERT和BiLSTM的常见病命名实体识别方法

本发明公开了一种融合BERT和BiLSTM的常见病命名实体识别方法，属于自然语言处理与医疗信息处理技术领域。该方法首先通过BERT预训练模型获取输入文本的动态词向量表示，利用其双向Transformer结构捕捉文本的深层语义特征；然后将BERT输出向量输入BiLSTM网络进行上下文特征增强，通过双向长短期记忆网络提取序列的前后向长距离依赖关系；最后引入CRF层对BiLSTM输出的特征进行标签序列约束，利用转移概率矩阵优化实体边界识别。针对中文医疗文本特点，采用字词结合的方式处理未登录词问题，并构建包含症状、疾病、药品等实体的标注语料库进行模型训练，本方法显著提高了医疗实体边界的识别准确率。