基于卷積神經(jīng)網(wǎng)絡(luò)的生物醫(yī)學實體標準化研究

打開文本圖片集

摘  要：隨著深度學習的崛起，越來越多的人使用深度學習的方法來研究實體標準化?；谏窠?jīng)網(wǎng)絡(luò)的各種復雜模型都需要大量的標注數(shù)據(jù)來進行訓練，當可用的訓練數(shù)據(jù)較少時其性能急劇下降。文章使用結(jié)合基于卷積神經(jīng)網(wǎng)絡(luò)的模型來研究實體標準化。標準實體由向量空間模型處理成為標準向量，預標注文本中的通俗實體經(jīng)由卷積神經(jīng)網(wǎng)絡(luò)提取其中的語義特征并轉(zhuǎn)化成為特征向量。（剩余8936字）