通过Bi-LSTM+CRF架构将上下文化的词表示和子文档级分析相结合用于临床去识别( Combining contextualized word representation and sub-document level analysis through Bi-LSTM+CRF architecture for clinical de-identification )

R Catelli V Casola GD Pietro H Fujita M Esposito

临床去识别旨在识别临床数据中受保护的健康信息，实现数据共享和发布。首先，自动去识别系统是基于规则或机器学习方法的，受限于语言变化、缺乏上下文感知和耗时的特征工程。较新的序列标记深度学习技术已经显示出更好的结果，减少了特征工程的努力，并使用了向量空间中的词表示技术。然而，它们并不能共同表征词的多义性和上下文依赖性，以及笔迹所具有的词形句法变异特征。针对这些局限性,提出了一种基于深度学习技术的命名实体识别的去识别方法,其关键因素是：（1）利用最广泛的表征上下文,双向长短时记忆+条件随机场的序列标记体系结构；(ii)一个上下文化的语言模型，在字符层面工作，以捕捉单词的多义性和处理手写笔记典型的形态-句法变化；(iii)更多的词的表示形式被叠加起来，以更好地捕捉潜在的句法和语义相似性。这种方法已经在官方的Informatics for Integrated Biology&the Bedside 2014 de-identification dataset上进行了测试，在类别和二进制识别方面显示出与现有技术相似或更高的性能，但没有任何特征工程或手工规则。实验证明了所提出的方法的有效性，特别是在类别级识别方面，这对于正确地用替代者替换实体以实现匿名化是必不可少的。

SciDown文献求助系统（解决99%问题） Public Download Elsevier ResearchGate