NER命名实体识别+bert的医疗实体及事件抽取

NER本质上是一个分类问题。利用bert对文本进行编码，对编码接入全连接或lstm+CRF，接入softmax即可得到每个类别的概率，最大概率对应的类别即为对应字的类别。
数据：病例本标签数据(数据在比赛https://www.biendata.com/competition/ccks_2020_2_1/)中，标签一共6类，分别为[‘药物’, ‘实验室检验’, ‘疾病和诊断’, ‘手术’, ‘影像检查’, ‘解剖部位’]。
本案例的代码是修改github上的项目而来：
https://github.com/ProHiryu/bert-chinese-ner

一、利用bert预训练模型对文本进行编码。

1. bert模型下载
   bert模型构架：https://github.com/google-research/bert
   bert中文预训练模型：https://storage.googleapis.com/bert_models/2018_11_03/chinese_L-12_H-768_A-12.zip
   下图是bert中文预训练模型的文件内容：
   
2. bert模型的输入
   bert模型的输入是中文文本的字和对应的类别（因为中文的词量很多，所以分析字效果比较好）。类别利用BIO进行分析（也可以使用BIOS、BIOES等等，可以根据需要使用标注方法，也可以使用自定义的类别标注）。将B、I、O和实体类别进行组合，得到分类的类别种类，如下：
   
   对病例本的训练文本进行整理标注，得到bert的输入数据示例如下：
   
   3.bert模型的架构加载

import  bert import modeling
model = modeling.BertModel(
    config=bert_config,
    is_training=is_training,
    input_ids=input_ids,
    input_mask=input_mask,
    token_type_ids=segment_ids,
    use_one_hot_embeddings=use_one_hot_embeddings
    ）
#取出bert模型中的序列数据
output_layer = model.get_sequence_output()

4、bert中文预训练模型的加载

tf.train.init_from_checkpoint(init_checkpoint, assignment_map)

二、分类层的接入

在bert模型中取出其中每一层的隐含层序列，组合后输入全连接层（或lstm+CRF层），经过softmax输出获得每一类的概率。

#对output_layer数据接入全连接层（或者lstm+CRF）
logits = tf.matmul(output_layer, output_weight, transpose_b=True)
logits = tf.nn.bias_add(logits, output_bias)