深度学习模型的自主学习能力恰好可以解决CRF模型需要大量依赖人工制定特征工程的弊端，使得今后在抽取中医术语时，即使没有语言学专家的加入，也可以完成术语抽取工作。因此，应当对深度学习方法进行专门研究，以找寻适用于中医病历术语识别工作的深度学习模型。

    3 深度学习模型在中医病历术语识别中的应用

    3.1 中医病历术语识别属于NER序列标注问题

    中医病历术语识别属于NER序列标注问题[16]。所谓序列标注，是指把输入句子文本看作由词语组成的序列X=(x1，x2，……xi……xn)，如X为现病史文本中“发作时伴有反酸，嗳气，无呕吐”这一句话，xi表示经过分词处理后的文本词语，即“发作/时/伴有/反酸/嗳气/无呕吐/”，序列标注就是给句子中每个词语打上标签集合中的某个标签Y=(y1，y2，……yi……yn)。使用BIEOS标记方法[17]，其中B为实体标记的开始，I为实体标记的其他部分，E为实体标记的结尾，O为不属于命名实体， S为单字即构成症状术语。例如，“发作时伴有反酸，嗳气，无呕吐”可被标识为“发/O 作/O 时/O 伴/O 有/O 反/B酸/E，/O 嗳/B气/E，/O 无/B呕/I吐/E ......