肖 瑞，胡馮菊，裴 衛(wèi)

（1. 湖北中醫(yī)藥大學(xué)信息工程學(xué)院 武漢 430065；2. 湖北中醫(yī)藥大學(xué)第一臨床學(xué)院 武漢 430065）

1 概述

醫(yī)案又稱診籍、病案、脈案、脈語，是醫(yī)生臨床診治患者的記錄，記載醫(yī)案不僅是醫(yī)生工作的一個重要環(huán)節(jié)，也是醫(yī)學(xué)思想、理論水平、技術(shù)能力乃至醫(yī)德醫(yī)風(fēng)的體現(xiàn)[1]。從中醫(yī)繼承和學(xué)習(xí)的角度而言，在浩瀚的中醫(yī)典籍海洋中選取醫(yī)案進(jìn)行研究，不失為是一條行之有效的途徑[2]。

命名實(shí)體識別[3]（Named Entity Recognition，NER）是自然語言處理(Natural Language Processing，NLP)工作中具有挑戰(zhàn)性的任務(wù)之一，也是當(dāng)前的研究熱點(diǎn)。通過它可以準(zhǔn)確地從文本中識別出人名、機(jī)構(gòu)名、地名、時間、日期、貨幣、百分號等各類實(shí)體信息。鑒于中醫(yī)藥文本的特殊性，導(dǎo)致常規(guī)的通用命名實(shí)體識別模型對中醫(yī)藥文本識別并不友好，因此，以中醫(yī)藥經(jīng)典醫(yī)案為基礎(chǔ)，以文本挖掘方法訓(xùn)練一套具有中醫(yī)藥特色，適應(yīng)中醫(yī)藥行業(yè)的命名實(shí)體識別模型，將對中醫(yī)藥數(shù)據(jù)文本挖掘研究工作帶來積極影響。

2 研究背景及研究現(xiàn)狀

近年來，隨著計(jì)算機(jī)信息技術(shù)的日益成熟，計(jì)算機(jī)輔助在各行業(yè)和學(xué)科領(lǐng)域都取得了飛快發(fā)展，在中醫(yī)藥方面的應(yīng)用也是碩果累累。面對海量的中醫(yī)藥文本文獻(xiàn)知識，自然人的工作精力和學(xué)習(xí)能力有限，因此學(xué)者們嘗試通過自然語言處理輔助完成匯總中醫(yī)知識的過程，將知識提煉出來，提取其中有用的診療信息[4]。有學(xué)者指出未來服務(wù)于現(xiàn)代中醫(yī)個體診療體系的中醫(yī)知識庫，需要通過領(lǐng)域知識的交叉融合，借助先進(jìn)的人工智能技術(shù)和知識管理理念，構(gòu)建一個具備知識獲取、應(yīng)用、評價等知識管理功能的大型、通用、智能決策型知識庫[5]。通過構(gòu)建中醫(yī)藥相關(guān)命名實(shí)體識別模型，更是能在根源是解決知識庫知識獲取問題，從而完成大量文獻(xiàn)文本知識獲取難題，因此，構(gòu)建高準(zhǔn)確率實(shí)用型中醫(yī)藥相關(guān)命名實(shí)體模型成為中醫(yī)藥文本研究重點(diǎn)。

在中醫(yī)藥相關(guān)命名實(shí)體研究方面，馮麗芝[6]針對面向命名實(shí)體抽取的大規(guī)模中醫(yī)臨床病歷庫的構(gòu)建問題，實(shí)現(xiàn)了結(jié)構(gòu)化病歷數(shù)據(jù)、條件隨機(jī)場(Conditional RandomFields，CRFs)和 Bootstrapping 等三種自動化批量語料標(biāo)注方法。尹迪[7]等人針對傳統(tǒng)的序列化標(biāo)注方法的不足，提出了一種新的基于聯(lián)合模型的中文嵌套命名實(shí)體識別方法。劉凱[8]針對中醫(yī)臨床病歷的命名實(shí)體,如癥狀、疾病和誘因等的抽取問題,通過手工標(biāo)注的413 份病歷數(shù)據(jù)(以中文字為特征)與4類特征模版,將條件隨機(jī)場(CRF)、隱馬爾科夫模型(HMM)和最大熵馬爾科夫模型(MEMM)用于中醫(yī)病歷命名實(shí)體抽取的實(shí)驗(yàn)，并進(jìn)行比較分析。王世坤[9]針對明清古醫(yī)案中癥狀、病機(jī)的自動識別標(biāo)注問題，采用了基于條件隨機(jī)場(CRF)的方法，提出數(shù)據(jù)清洗以及縮減合并詞性以減少特征空間規(guī)模。袁玉虎[10]針對中醫(yī)臨床病歷中的現(xiàn)病史部分展開癥狀術(shù)語抽取方法研究。原旎[11]通過應(yīng)用深度表示的方法實(shí)現(xiàn)臨床上的現(xiàn)病史數(shù)據(jù)的自動標(biāo)識。

本文采用BiLSTM-CRF（Bi-directional Long Short Term Memory networks-conditional random field，基于條件隨機(jī)場的雙向長短時記憶網(wǎng)絡(luò)）方法實(shí)現(xiàn)對中醫(yī)醫(yī)案文本進(jìn)行命名實(shí)體識別，用于識別中醫(yī)藥文獻(xiàn)或醫(yī)案中的中草藥名、疾病名稱以及中醫(yī)癥狀名稱等，從而組成實(shí)體識別三元組，以提取中醫(yī)藥相關(guān)文獻(xiàn)或醫(yī)案中的信息。

3 資料與方法

3.1 數(shù)據(jù)來源

中醫(yī)醫(yī)學(xué)著作不僅是中華醫(yī)學(xué)瑰寶，是前人醫(yī)學(xué)經(jīng)驗(yàn)的傳承，也是后輩研究學(xué)習(xí)的重要來源。在中醫(yī)醫(yī)學(xué)各類著作中，中醫(yī)藥醫(yī)案更是集中醫(yī)藥特色的理、法、方、藥綜合運(yùn)用的一種具體反映形式，其中包含了大量的命名實(shí)體，而名老中醫(yī)醫(yī)案著作不僅規(guī)則，而且命名更加規(guī)范，便于進(jìn)行文本挖掘。本文研究的數(shù)據(jù)主要來自于部分名老中醫(yī)醫(yī)案著作，包括《李培生老中醫(yī)經(jīng)驗(yàn)集》[12]、《增補(bǔ)評注柳選醫(yī)案》[12]、《章次公醫(yī)案》[14]、《姚貞白醫(yī)案》[15]、《吳佩衡醫(yī)案》[16]和《名老中醫(yī)之路》[17]等，其中將《名老中醫(yī)之路》作為最終測試集，用以驗(yàn)證模型優(yōu)劣效果。研究過程中，將納入訓(xùn)練集的各醫(yī)案文本數(shù)據(jù)進(jìn)行整合，以句號作為間隔符將原醫(yī)案文本內(nèi)容進(jìn)行切分，在切分后的語句中剔除字?jǐn)?shù)長度低于10 的語句，得到了9409 條語句作為訓(xùn)練集，對訓(xùn)練集中的所有語句按照中草藥詞匯、癥狀詞匯和疾病詞匯三種類別進(jìn)行分類，分類完成后統(tǒng)計(jì)得知訓(xùn)練集語句中含有中草藥詞匯20682個，癥狀詞匯9246 個，疾病詞匯2047 個；用相同的方法將作為測試集的《名老中醫(yī)之路》文獻(xiàn)文本數(shù)據(jù)進(jìn)行語句切分及剔除，得到了883條句子作為測試集，采用與訓(xùn)練集中語句相同的分類方法進(jìn)行分類統(tǒng)計(jì)，得知測試集語句中含有中草藥詞匯1630 個，癥狀詞匯857個，疾病詞匯152個。訓(xùn)練集與測試集的語句數(shù)據(jù)量比約為10.7：1，詞匯數(shù)據(jù)量比約為12.1：1，略低于預(yù)期但可以開展基礎(chǔ)研究工作。

3.2 數(shù)據(jù)預(yù)處理

3.2.1 詞典構(gòu)建

詞匯是自然語言的基石，是語言更高層面自動分析的基礎(chǔ)[18]。在命名實(shí)體識別研究過程中，詞典數(shù)據(jù)的質(zhì)量直接決定了分詞效果的質(zhì)量，從而影響到實(shí)體識別結(jié)果的質(zhì)量。醫(yī)療行業(yè)內(nèi)專業(yè)術(shù)語數(shù)量龐大，特別是中醫(yī)藥中專業(yè)相關(guān)術(shù)語眾多，然而目前現(xiàn)有的大部分分詞詞庫以通用詞庫居多，并不包含這些行業(yè)專業(yè)術(shù)語，以至于分詞工作在專業(yè)術(shù)語中開展的效果并不理想。為了提高中醫(yī)藥專業(yè)詞匯在分詞工作中的準(zhǔn)確性，需要建立中醫(yī)藥特色專業(yè)術(shù)語的相關(guān)詞典，包含癥狀、疾病、證、中藥、方劑等中醫(yī)藥行業(yè)特色專業(yè)術(shù)語內(nèi)容。本文構(gòu)建的中醫(yī)藥術(shù)語詞典基于中華人民共和國國家標(biāo)準(zhǔn)GB/T15657-1995《中醫(yī)病證分類與代碼》[19]中包含的“證”、“疾病”類專業(yè)名詞，中華人民共和國國家標(biāo)準(zhǔn)GB/T 31773-2015《中藥方劑編碼規(guī)則及編碼》[20]包含的“方劑”類專業(yè)名詞，另外，還包含有從國際疾病分類（ICD-10）[21]、《秦伯未醫(yī)學(xué)名著全書》中摘錄疾病與方劑專業(yè)名詞。在此基礎(chǔ)上，還收集了一些從醫(yī)院臨床一線醫(yī)護(hù)人員反饋得到的常用專業(yè)術(shù)語以及中醫(yī)藥著作的相關(guān)術(shù)語信息作為補(bǔ)全內(nèi)容，從而綜合的構(gòu)建癥狀、疾病、證、中藥、方劑等專業(yè)名詞詞典。

3.2.2 分詞

分詞是自然語言處理的一條分支，是計(jì)算機(jī)在對中文進(jìn)行處理過程中，將一條自然語言按照一定的標(biāo)準(zhǔn)規(guī)范劃分成若干個獨(dú)立字或者詞匯的過程。在英文的行文方式中，各個單詞之間是以空格作為自然分界符的，而中文和大部分西方語言不同，行文中對于字、句和段能通過明顯的分界符來基本劃分，唯獨(dú)對于詞而言并沒有一個形式上的分界符，句子均以字串的形式出現(xiàn)，因此對中文文本在處理時的首要任務(wù)就是進(jìn)行分詞工作，也就是將字串轉(zhuǎn)變成詞串的過程。雖然在此問題上，英文也同樣存在短語的劃分問題，不過在詞這一級別，中文分詞比之英文分詞的難度和復(fù)雜程度都要高的多。對于在詞的切分和屬性研究，包括術(shù)語語義研究、字頻、詞頻統(tǒng)計(jì)和字典編纂等方面，分詞工作具有重要的語義[22]。本文利用python 語言提供的第三方中文分詞包，jieba 分詞，通過補(bǔ)充完善自定義的中醫(yī)藥專業(yè)名詞的詞典，完善后的詞典中詞匯量總計(jì)41110 個，并以此為基礎(chǔ)對各典籍的摘要數(shù)據(jù)進(jìn)行分詞處理。

3.2.3 序列標(biāo)注

序列標(biāo)注簡單而言就是給定一串序列，對序列中存在的每個元素打上相應(yīng)標(biāo)記或標(biāo)簽，通過標(biāo)簽可以客觀的對這一串序列進(jìn)行深度分析。比如，某患者在某三級甲等中醫(yī)院的一份醫(yī)案主訴為“頭痛畏寒，惡風(fēng)，大便偏干，口苦”，我們希望在中醫(yī)藥特色診療的基礎(chǔ)上，識別這份醫(yī)案中所涉及到的中醫(yī)癥狀，因此對這醫(yī)案中的這句話的序列標(biāo)注如表1所示，序號為1的是原始主訴句子，序號為2的為分詞后主訴句子，序號為3 的是進(jìn)行序列標(biāo)注后的主訴句子，“/s”用來表示句子進(jìn)行分割的地方，這里標(biāo)注采用BIO[23]（Begin,Intermediate,Other）的表示方法，其中“B”表示詞語首字，“I”表示詞語非首字，“O”表示非關(guān)注詞匯或標(biāo)點(diǎn)。

表1 序列標(biāo)注

本文設(shè)計(jì)的模型，主要目的在于識別中醫(yī)藥文獻(xiàn)或醫(yī)案中的中草藥名、疾病名稱以及中醫(yī)癥狀名稱等，由此三要素組成基本的實(shí)體識別三元組，用以提取中醫(yī)藥相關(guān)文獻(xiàn)或醫(yī)案中的信息。

第一步，對所涉及的訓(xùn)練和測試數(shù)據(jù)集的中醫(yī)藥文獻(xiàn)進(jìn)行命名實(shí)體標(biāo)注，完成總體文本數(shù)據(jù)集的初步提取。

第二步，在初步提取的標(biāo)注過程中，按照中草藥、疾病、癥狀三種分類情況標(biāo)注各命名實(shí)體所屬類別（由于按照中草藥、疾病、癥狀的三種分類而言分類結(jié)果相互獨(dú)立，因此各命名實(shí)體所屬類別相對唯一，不存在一個實(shí)體具有多個標(biāo)注情況）。

第三步，對于訓(xùn)練和測試文本數(shù)據(jù)標(biāo)注均采用BIO 標(biāo)注方法，在具體標(biāo)注過程中，選用如表2 所示的標(biāo)記方式以便區(qū)分，其中中草藥名稱詞首采用B-chm(Begin - Chinese herbal medicine)形式表示，詞的其他部 分 均 用 I-chm(Intermediate - Chinese herbal medicine)形式表示，癥狀名稱詞首用B-sym(Begin -Symptom) 形式表示，詞的其他部分用I-sym(Intermediate - Symptom)形式表示，疾病名稱詞首用B-dis(Begin-disease)形式表示，詞的其他部分用I-dis(Intermediate-disease)形式表示，非實(shí)體用O(Other)形式表示。

最后，對已經(jīng)按要求完成相應(yīng)標(biāo)注的詞，使用word2vec 方法進(jìn)行嵌入，生成300 維字向量矩陣，供模型訓(xùn)練。

表2 CRF使用BIO標(biāo)簽集

4 實(shí)驗(yàn)方法

4.1 BiLSTM-CRF

圖1 BiLSTM-CRF算法模型結(jié)構(gòu)圖

BiLSTM-CRF 模型是在結(jié)合雙向 LSTM 和 CRF 兩個模型的基礎(chǔ)上，綜合兩者的優(yōu)點(diǎn)改進(jìn)而來，其模型結(jié)構(gòu)如圖1 所示。模型總體分為三部分，第一部分是輸入層，本部分的任務(wù)是負(fù)責(zé)將詞進(jìn)行向量化映射，形成字向量矩陣，本文中是將序列標(biāo)記后的數(shù)據(jù)通過word2vec 方法生成300 維字向量，用B?進(jìn)行表示。第二部分是隱含層，也就是雙向LSTM 層，分別是前向LSTM 神經(jīng)網(wǎng)絡(luò)層和后向LSTM 神經(jīng)網(wǎng)絡(luò)層，在本部分中，將輸入層的生成的字向量B?作為雙向LSTM 神經(jīng)網(wǎng)絡(luò)每個時間節(jié)點(diǎn)的初始輸入值，在具體輸入過程中，依次把輸入向量序列的順序序列和逆序序列分別作為前向LSTM 層和后向LSTM 的輸入數(shù)據(jù)。假設(shè)在某一時刻i，模型將正向LSTM 輸出的隱狀態(tài)序列與反向LSTM 輸出的隱狀態(tài)序列進(jìn)行位置拼接，得到從而得到完整的隱狀態(tài)序列(t1,t2,...,ti)。第三部分是標(biāo)注層，也就是輸出層和CRF 層。在BiLSTM 網(wǎng)絡(luò)的輸出層中，為每一個輸入的數(shù)據(jù)打一個標(biāo)簽的預(yù)測分值，也就是圖中輸出層的Pi，其中Pi是一個向量，表示代表句子X(x1,x2,...,xi)的xi的概率，對應(yīng)BIO 標(biāo)記法所定義的標(biāo)記 Tag(tag1,tag2,...,tagj)，j 表 示 標(biāo) 記 的 維 度 ，對 于BiLSTM 的輸出矩陣P 而言，其中Pi,j代表句子X(x1,x2,...,xi)的xi映射到tagj的非歸一化概率，即使沒有CRF 層，也可以訓(xùn)練一個BiLSTM 命名實(shí)體識別模型，由于BiLSTM的輸出為BIO標(biāo)記中的每一個標(biāo)簽分值，可以挑選分值最高的一個作為該單元的標(biāo)簽，雖然可以得到句子X 中每個單元的正確標(biāo)簽，但是不能保證標(biāo)簽每次都是預(yù)測正確的。在輸出層后增加CRF 層，也叫邏輯回歸層，主要功能是進(jìn)行語句的序列標(biāo)注，加強(qiáng)文本間信息的相關(guān)性，可以為最后預(yù)測的標(biāo)簽添加一些約束來保證預(yù)測的標(biāo)簽是合法的,在訓(xùn)練數(shù)據(jù)訓(xùn)練過程中，這些約束可以通過CRF 層自動學(xué)習(xí)到。CRF 層中引入了轉(zhuǎn)移矩陣 M，而 Mi·j表示從tagi轉(zhuǎn)移到tagj的轉(zhuǎn)移概率，從而利用此前標(biāo)注過的信息對一個新的位置進(jìn)行標(biāo)注。例如，記預(yù)測標(biāo)簽序列為Y(y1,y2,...,yi)，對于句子X(x1,x2,...,xi)而言，模型預(yù)測標(biāo)簽的打分為其中 P 的值是有LSTM 的輸出概率進(jìn)行決定的，M 的值取決于CRF 的變化句子M，最終使用Softmax 函數(shù)進(jìn)行歸一化。由于序列標(biāo)注后，每個字都有一個標(biāo)記，在對句子進(jìn)行預(yù)測后將產(chǎn)生一個標(biāo)注結(jié)果，通過測試集預(yù)測標(biāo)記與序列標(biāo)注的標(biāo)記，運(yùn)用評價標(biāo)準(zhǔn)中所述公式，即可計(jì)算模型的準(zhǔn)確率等相關(guān)衡量指標(biāo)。

在進(jìn)行具體的命名實(shí)體識別過程中，對于一個句子X(x1,x2,......,xi)，識別流程為：首先對句子進(jìn)行劃分，然后對劃分得到的字進(jìn)行高維特征抽取，通過學(xué)習(xí)特征到標(biāo)注結(jié)果的映射，可以得到特征到任意標(biāo)簽的概率，通過概率對比可以得到每一個字xi所對應(yīng)標(biāo)簽，從而得到句子X(x1,x2,......,xi) 的預(yù)測標(biāo)簽序列Y(y1,y2,......,yi)，再按照BIO 標(biāo)注法對預(yù)測的標(biāo)簽序列Y(y1,y2,......,yi)進(jìn)行順序規(guī)整，從而達(dá)到實(shí)現(xiàn)命名實(shí)體識別的目的。

4.2 評價標(biāo)準(zhǔn)

在評價模型訓(xùn)練效果的優(yōu)劣情況時一般重點(diǎn)考核識別準(zhǔn)確度（ACC,accuracy）、精準(zhǔn)率（P,precision）、召回率（R, Recall）和F-balanced 等重要參數(shù)指標(biāo)，各參數(shù)值越趨近100%，說明模型訓(xùn)練效果越好。為計(jì)算出各重要參數(shù)值，引入TP、FP、TN、FN等指標(biāo)，如表3 所示，其中TP 表示預(yù)測為正樣本，實(shí)際也為正樣本的特征數(shù)。FP 表示預(yù)測為正樣本，實(shí)際為負(fù)樣本的特征數(shù)。TN 表示預(yù)測為負(fù)樣本，實(shí)際也為負(fù)樣本的特征數(shù)。FN 表示預(yù)測為負(fù)樣本，實(shí)際為正樣本的特征。

表3 評價標(biāo)準(zhǔn)

其中準(zhǔn)確率（ACC）計(jì)算公式為：ACC=是最常見的評價指標(biāo)正確率越高，訓(xùn)練模型分類器效果越好。精確率（P）計(jì)算公式為表示的是預(yù)測為正的樣本中有多少是真實(shí)正樣本。 召回率（R）計(jì)算公式為：表示的是真實(shí)為正的樣本中有多少被預(yù)測為正樣本。本文采用F-balanced 計(jì)算公式為F=

5 實(shí)驗(yàn)結(jié)果

本次模型綜合訓(xùn)練結(jié)果如表4 所示，模型綜合測評實(shí)驗(yàn)結(jié)果準(zhǔn)確率達(dá)97.23%，而對于各個類別命名實(shí)體測試結(jié)果如表5 所示，分類測試模型中中草藥類別精準(zhǔn)率最高，達(dá)94.41%，疾病類別精準(zhǔn)率達(dá)80.92%，癥狀類別精準(zhǔn)率最低達(dá)75.68%，影響癥類別準(zhǔn)確率的主要由于中草藥訓(xùn)練數(shù)據(jù)較疾病和癥狀總量較大而癥狀類訓(xùn)練數(shù)據(jù)相對較少。

對訓(xùn)練好的模型進(jìn)行測試，測試結(jié)果如表6所示，其中醫(yī)案為某醫(yī)生診斷病人后的醫(yī)案點(diǎn)評數(shù)據(jù)，通過模型的預(yù)測結(jié)果為藥物、癥狀和疾病三個類型，總體而言效果較好，能夠用于大部分中醫(yī)藥相關(guān)文獻(xiàn)數(shù)據(jù)命名實(shí)體識別。

表4 模型總評測結(jié)果

綜合測試如圖2 所示，圖2 為本文中醫(yī)藥文本實(shí)體識別模型構(gòu)建的系統(tǒng)，測試輸入文本為網(wǎng)絡(luò)醫(yī)案文本，數(shù)據(jù)較雜，測試結(jié)果輸出中草藥，癥狀和疾病，能夠識別大部分命名實(shí)體，對傳統(tǒng)醫(yī)案識別有較好的效果。

表6 單句測試

圖2 中醫(yī)藥命名實(shí)體識別

6 結(jié)論與展望

本文采用BiLSTM-CRF 方法對中藥醫(yī)案書籍人工標(biāo)記，設(shè)計(jì)并訓(xùn)練命名實(shí)體識別模型，得到了準(zhǔn)確率為97.23%，召回率為89.47%，F(xiàn) 值為88.34%的中醫(yī)藥綜合命名實(shí)體識別模型。各類別識別中，中草藥類別識別精準(zhǔn)率為94.41%，召回率為94.36%，F(xiàn) 值為94.38%；疾病類別精準(zhǔn)率為80.92%，召回率為80.92%，F(xiàn) 值為80.92%；癥狀類別精準(zhǔn)率為75.68%，召回率為81.68%，F(xiàn) 值為78.56%，經(jīng)人工測試后，模型實(shí)體識別效果良好，能夠?qū)λx擇的醫(yī)案數(shù)據(jù)進(jìn)行較為準(zhǔn)確的實(shí)體識別。但在單一類型實(shí)體識別中，癥狀類別和疾病類別的精準(zhǔn)率、召回率和F 值不高，主要是由于這兩個類別的訓(xùn)練數(shù)據(jù)量不足，數(shù)據(jù)覆蓋較小，從而對整體識別水平有一定影響。在模型實(shí)體識別類別上，由于數(shù)據(jù)來源輻射范圍有限，僅劃分了中草藥、疾病和癥狀三種類別，并沒有涵蓋中醫(yī)藥相關(guān)文本實(shí)體的總類別，如針灸推拿中的腧穴、針灸術(shù)語等實(shí)體。在后期的研究中，將通過獲取更多的中醫(yī)藥相關(guān)語料數(shù)據(jù)，采用更大的數(shù)據(jù)進(jìn)行模型訓(xùn)練，從而提高各類別的精準(zhǔn)率，對模型類別進(jìn)一步劃分，擴(kuò)大可識別實(shí)體范圍，提高可實(shí)用性和有效性。由于命名實(shí)體識別是自然語言處理的基礎(chǔ)，并且中醫(yī)藥相關(guān)文獻(xiàn)，例如醫(yī)案，醫(yī)集等數(shù)據(jù)眾多，在臨床中醫(yī)方面，主要是靠醫(yī)生通過手工整理處方，如何由相關(guān)人員進(jìn)行數(shù)據(jù)挖掘，某類中醫(yī)對某類疾病治療的經(jīng)驗(yàn)，由于人工整理效率較低，還存在一定的錯誤性，并且古醫(yī)案較多，耗時耗力，基于中醫(yī)藥的命名實(shí)體識別，從某種程度上可以減少臨床人員錄入數(shù)據(jù)的負(fù)擔(dān)，并且可以高效率的挖掘到更多的數(shù)據(jù)集，用于中醫(yī)藥臨床疾病研究的初期跟著，從而促進(jìn)中醫(yī)藥文本數(shù)據(jù)分析相關(guān)事業(yè)發(fā)展和中醫(yī)臨床經(jīng)驗(yàn)水平的學(xué)習(xí)傳播，在之后的工作中，將整合更加豐富的數(shù)據(jù)集訓(xùn)練更加精準(zhǔn)的模型用于中醫(yī)藥事業(yè)發(fā)展。