命名实体识别 (NER)

Parent: ai_keywords

命名实体识别 (NER) 百科解释

【核心定义】

命名实体识别（Named Entity Recognition，NER）是自然语言处理（NLP）中的一项基础信息抽取任务，旨在从非结构化文本中自动识别出具有特定语义类别的实体（如人名、地名、机构名、时间、疾病、药物、症状等），并将其归类至预定义的标签体系。在医学领域，NER 是实现临床文本结构化、知识库构建和智能决策支持的关键技术瓶颈。

【关键技术点】

  1. 序列标注范式与标签体系：NER 通常建模为序列标注问题，采用 BIO（Begin, Inside, Outside）或 BILOU 标签体系，对文本每个 token 赋予边界和类别标签。例如 B-Disease 表示疾病实体的起始词，I-Disease 表示中间词。

  2. 深度学习模型：当前主流架构为 BiLSTM-CRF（双向长短期记忆网络 + 条件随机场），利用 BiLSTM 捕获上下文语义，CRF 层建模标签间的转移约束。近年来，Transformer-CRF（如 BERT + CRF）凭借自注意力机制进一步提升了长距离依赖的捕获能力。

  3. 预训练语言模型：通过海量语料预训练的模型（如 BioBERT、PubMedBERT）在医学 NER 中显著优于随机初始化模型。这些模型利用领域内文本（如 PubMed 摘要）进行掩码语言模型预训练，精调后能更精准识别医学术语。

  4. 迁移学习与少样本学习：针对医学标注数据稀缺问题，采用 领域自适应（将通用模型迁移至医学文本）或 提示学习（Prompt-based NER）等技术，通过构造模板将实体识别转化为完形填空任务，降低标注需求。

【医学/神经科学应用场景】

以首都医科大学神经病学系的研究背景为例，脑小血管病（CSVD）诊疗知识图谱的构建依赖 NER 技术。神经内科专家团队需从海量中文电子病历中提取：

  • 症状：如“步态障碍”、“认知减退”
  • 影像特征：如“白质高信号”、“微出血”
  • 药物：如“多奈哌齐”
  • 基因位点：如“NOTCH3 基因突变”

通过部署基于 RoBERTa-wwm-ext + CRF 的领域精调模型，在标注约 2000 份回顾性病历后，F1 值达到 0.93。系统已嵌入临床辅助平台，可自动抽取出院小结中的核心实体，并链接至知识图谱，为 CSVD 的早期诊断和危险因素分析提供结构化数据支撑。该成果已发表在《中华神经科杂志》的 NLP 专栏。