首页> 美国卫生研究院文献>BMC Medical Informatics and Decision Making >Integrating shortest dependency path and sentence sequence into a deep learning framework for relation extraction in clinical text
【2h】

Integrating shortest dependency path and sentence sequence into a deep learning framework for relation extraction in clinical text

机译:将最短依赖路径和句子序列集成到深度学习框架中以提取临床文本中的关系

代理获取
本网站仅为用户提供外文OA文献查询和代理获取服务,本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文,但由于OA文献来源多样且变更频繁,仍可能出现获取不到、文献不完整或与标题不符等情况,如果获取不到我们将提供退款服务。请知悉。

摘要

BackgroundExtracting relations between important clinical entities is critical but very challenging for natural language processing (NLP) in the medical domain. Researchers have applied deep learning-based approaches to clinical relation extraction; but most of them consider sentence sequence only, without modeling syntactic structures. The aim of this study was to utilize a deep neural network to capture the syntactic features and further improve the performances of relation extraction in clinical notes.
机译:背景技术提取重要临床实体之间的关系至关重要,但对于医学领域的自然语言处理(NLP)却非常具有挑战性。研究人员已经将基于深度学习的方法应用于临床关系提取。但是他们大多数只考虑句子序列,而没有对句法结构进行建模。这项研究的目的是利用深层神经网络捕捉语法特征,并进一步改善临床笔记中关系提取的性能。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号