中文电子病历文本包含大量嵌套实体、句子语法结构复杂、句式偏短。为有效识别其医疗实体，提出一种融合多特征嵌入与注意力机制的命名实体识别算法，在输入表示层融合字符、单词、字形三个粒度的特征，并在双向长短期记忆网络的隐含层引入注意力机制，使算法在捕获特征时更加关注于医疗实体相关的字符，最终实现对中文电子病历中疾病、身体部位、症状、药物、操作五类实体的最优标注。面向开源和自建糖尿病数据集的实验结果中所提算法的实体识别准确率、召回率和F1值都达到97%以上，表明其可以更加有效地识别中文电子病历中各类实体

对于机器翻译研究来说，本章的第一任务是要建立语言的机器词典, 这一机器词典是多语言的。例如各自的藏, 英, 汉语机器词库。 单词与词组的处理与分析, 对于汉语来说, 首先必须要进行单词的自动切分。自动切分歧义部分是解决的难点, 不但可能用到规则推理, 而且还可能用到语法分析, 语义用分析, 更详细的过程可以结合第六章等一起研究。 词语分类和兼类的分析与处理是本章研究的又一重点。 本章的最后将研究词处理的一些细节问题。 5 . 1 机器词典概述 5 . 2 自动分词 5 . 3 词语的排序, 检索, 词库 5 . 4 词语的分类与兼类问题 5 . 5 词语处理的其它问题 5 . 6 . 1 概述 5 . 6 . 2 多义词类型 5 . 6 . 3 消歧方法 5 . 5 . 7 英语形态还原

综合练习题 一、从下列四个供选择的答案中选出正确的一个答案 1、语句 printf(%d%d”,123),将输出: A)%123%dB)%%d123 %d123D)上述语句语法有错 “%%”格式表示输出一个“%”。 2、执行下列程序段后,a值为: int a, b; a=15;b=12 a=(a--b++)a%5:a/5 A)0 B)2.8 C)4 D)2 先计算a-==b++的值: a--的值为15,执行后a=14;b++的值为12执行后b=13:15=12为假 执行a5即14/5值为2 结果:a=2 3、判断字符变量c的值为数字(0-9)则返回1,否则返回0,可用表达式: a)0<=c<=9b0<=c&&c=9c0