中国語医学固有表現抽出（CMNER）は、医学情報抽出における基盤的なタスクであり、臨床知識グラフの構築やインテリジェントな臨床意思決定の実現に不可欠です。しかし、辞書強化、スパンベースおよびグリッドベースのラベル付け方法などの既存の主流手法は、臨床テキストに内在する自然境界の欠如、複雑なネストされたエンティティ構造、および長距離文脈依存に対応することが困難です。これらの課題を解決するために、補完的な特徴フローと適応的なグリッド相互作用を統合して深層意味抽出を行う新しい二重流融合および動的グリッド相互作用（D2GI）モデルを提案します。具体的には、この二重流融合アーキテクチャはRoFormerを用いて長距離依存関係を抽出し、Word2Vecと組み合わせて安定した事前意味情報を提供し、稀な医学用語の表現能力を強化します。さらに、静的特徴の細分化の限界を克服するために、動的グリッド相互作用モジュールはゲート付き注意機構を採用し、局所および全体の文脈を適応的に融合してネストされたエンティティの正確な認識を促進します。3つの公開データセットでの複数の実験により、D2GIは最先端のベースラインモデルを著しく上回り、CMeEE-V2、DiaKG、CCKS2020でそれぞれF1スコアを1.48、1.61、3.08ポイント向上させました。

二重流融合; 動的グリッド相互作用; 医学的意味抽出; 医学情報抽出