古代中国医学文献的命名实体识别——以Flat-lattice增强的SikuBERT预训练模型为例

古代中国医学文献是中华古籍的重要组成部分，含有丰富的中医学知识，是中医理论研究的重要载体和思想源泉。标注古代中医文献的命名实体，能进一步挖掘其蕴藏的中医学知识，推进中医现代化发展。文章基于BERT-base、RoBERTa、SikuBERT、SikuRoBERTa预训练模型，以《黄帝内经·素问》为研究对象、Flat-lattice Transformer结构为微调模型，构建中医文献中病证、病理、经络、穴位、五行等命名实体识别任务。实验结果表明：直接使用古文繁体BERT模型对古代中医文献进行领域命名实体识别，则基于繁体《四库全书》的SikuBERT、SikuRoBERTa预训练模型效果要优于BERT-base、RoBERTa模型；在引入Flat-lattice Transformer（FLAT）结构作为微调模型后，SikuBERT在有标点情况下表现最优，识别效果可以提升4%左右，SikuRoBERTa在无标点情况下表现最优，识别效果可以提高2%～3%。实验验证了FLAT作为微调模型对BERT模型在中医专业领域中古文献命名实体识别工作上的有效性。该微调模型可以有效避免分词错误引起的实体识别传播错误，进而提高中医命名实体的识别效率。