Medical Ner Crfsuite Save

基于条件随机场的医疗电子病例的命名实体识别

Project README

medical_ner_crfsuite

基于条件随机场的医疗电子病例的命名实体识别

INTRODUCE

medical_ner_crfsuite是CCKS2017全国知识图谱与语义大会,医疗电子病例命名实体识别评测任务的一个可执行demo,采用的方法是条件随机场(CRF),实现CRF的第三方库为python-crfsuite。目前该demo准确率为68%,召回率为62%,F1值为64.8%。

METHOD

  1. 数据预处理。调用reader.py中的text2nerformat方法,将data中的数据集转换成NER任务中常用的数据格式
  2. 训练模型。通过crf_unit.py,训练CRF模型,目前CRF中的特征包括上下两个词语及其词性,分词和词性标注调用jieba
  3. 评估模型。调用crf_unit.py中的bio_classification_report方法,评估模型。

DEPENDENCY

pycrfsuite:pip install python-crfsuite

zhon:pip install zhon

TODO

  1. 参考文献Clinical Named Entity Recognition Method Based on CRF Yanxu Chen, Gang Zhang, Haizhou Fang, Bin He, Yi Guan,提升模型准确率。
  2. 使用深度学习Bi_LSTM_CRF实现命名实体识别任务。
Open Source Agenda is not affiliated with "Medical Ner Crfsuite" Project. README Source: baiyyang/medical_ner_crfsuite
Stars
112
Open Issues
1
Last Commit
4 years ago

Open Source Agenda Badge

Open Source Agenda Rating