名师寄语范文

引言：寻求写作上的突破？我们特意为您精选了4篇名师寄语范文，希望这些范文能够成为您写作时的参考，帮助您的文章更加丰富和深入。

篇1

2、在老师的眼中你是个朴实、天真、活泼、可爱、文质彬彬的男孩。比大海更广阔的是人的胸怀，对同学多一分宽容，少一分计较，会使你成为一个真正的男子汉。你聪明、好强，爱唱歌，爱学习，这些都是你的优势，老师相信优势加上持之以恒的努力，你一定会更出色！

3、相信新学期你的表现会更好，加油吧！

4、你是一个心地善良、是非分明、有责任心的孩子，对任何事都能尽职尽责地做好。你听说过这样一句名言吗？“不积践步，无以至千里；不积小流，无以成江海。”学习上没有捷径可走，必须脚踏实地持之以恒，才能学有所获。努力吧，相信你能争取到更好的成绩。

5、你不仅聪明，而且还懂得很多科学知识，让我们大家都颇长见识。这学期你还被评选为中队干部，这足以证明你的优秀换来了大家的信任。

6、你那轻盈的脚步；你那动听的声音；你做事情那敏捷的动作；你待人那热情的态度，真让老师欣赏，同学称羡。现在你已成功地踏上学习之路，在这条路上只要你继续大胆实践，勇于探索，你一定可以成功地到达希望的彼岸。

7、孩子，树立起必胜的信心吧！因为现在的磨砺就是将来成功的资本。你应该再开朗一些，活泼一些。十多岁的少年对生活本应充满热情，你应该再主动一些，积极一些。学习光有自觉性还不够，还要有坚强的毅力和拼搏精神。因为前进的道路是坎坷的，只有无畏的勇士才能采撷最美丽的花朵！愿你把美好的理想转化为实际的行动，从每一件小事做起，脚踏实地地做人，才能取得不断进步！

8、一副精致的眼镜戴在你白哲的脸上，看上去是那样文气，而你总能热情地为遇到困难的同学雪中送炭。长期以来，你的行动在默默地告诉老师你进步了，老师多么为你高兴啊！此时此刻，我最想告诉你的一句话就是：你很聪明，若再加上滴水穿石的精神，成功的花朵一定会为你绽放！

9、爱说爱笑的你一天天长大了。每当看到你迫切想要回答问题的眼神；看到你为了提高表达能力，一遍遍认真练习的样子；看到大家给你指出缺点后，你虚心接受并及时改正的姿态，老师打心眼里高兴。如果你能更加严格地要求自己，自觉遵守纪律，肯定会有意想不到的收获，快试试吧！

10、聪明的你亦如你的名字一样令人钦佩，课上你总能提出不同的解题方法，课下你总是热心地给学习困难的同学讲解，老师们欣赏你，喜爱你；同学们佩服你，喜欢你。但“计算”上的粗心大意，让你一次次感到遗憾。老师想告诉你：世界上怕就怕“认真”二字。只要你做题仔细认真，就能消除粗心带来的烦恼。相信你一定能成功，

11、你，一位来自农村的女孩，朴实可爱得就像一朵悄然开放的野花。拥挤黑暗的小屋是你的书房，睡觉的大床是你的书桌，艰苦的学习环境磨练了你坚强的意志。在学习上你刻苦努力，即使病魔也没有让你有半点退缩。课下，你总是默默无闻地为班集体做好事，热心地帮助别人，你的表现赢得了大家对你的喜爱。希望你在今后能更勇敢些，大胆地发表自己的见解。记住，自古雄才多磨难，从来纵垮少伟男。

12、老师喜欢你，课上当大家遇到问题时你总有精彩的表现；你敏捷、发散的思维真让老师赞佩；你那稚气的小脸上写着天真；你五彩的画笔给咱班教室穿上了漂亮的新衣。你活泼、可爱，是个懂事、，通过你的努力，定会改掉精神不集中更加出色。

13、你迎着清爽的秋风走进了“新会”，如今，你将带着自信走进新生活。六年的校园生活使你逐渐长大。记得吗？你的翠脾气曾引发了同学间的矛盾，不过，你愿意接受老师的批评，让老师感到欣慰。

14、你是个真诚、质朴的孩子，尤其是课上积极探究的样子很是可爱。老师知道你心里有着美好的理想。要知道，理想要在现实的土壤上播种，用智慧的汗水浇灌，用顽强的毅力去护理。人也只有在为理想而奋斗的过程中，才能体味成功后的欣喜和快乐。记住，“风是不会把没有目标的船吹向彼岸的”。希望在新的学期里，能见到一个目标明确、有条不紊、踏实前进的你！

15、你是一个懂事、永不服输的坚强女孩。面对病魔，你用惊人的意志战胜了它，老师和同学都深受感动。每当你取得优异成绩的时候，老师都因你而感到自豪。

16、运动场上你是“铿锵玫瑰”，身手不凡；但在学习上，你还缺乏一种克服困难的勇气和韧劲。困难，勇者视为攀登的阶梯；弱者视作前进的障碍；相信你会做出明智的选择。努力吧，风雨之后的彩虹最美，拼搏之后的笑容最甜。

17、小小的一副眼镜，给你平添了不少书卷气，一看便知你是一个办事稳重、干练、很有才气的男孩。勤勤恳恳、脚踏实地使你的学习成绩永居前列。可老师和同学却很少听到你的声音。孩子，大胆一些吧，把你的才华淋漓尽致地展现出来。如果再将你的小脾气改一改，你会更优秀的！

18、你用热爱集体的举动、热情为大家服务的行为，回报了老师和同学们的期望。相信在今后的学习生活中能经常看到你灿烂的笑容；看到你高高举起的小手；看到你更加工整的作业和出色的表现！

19、“玉不琢，不成器；人不学，不知道。”学习与艰苦为伴，读书与困难并存。你有那么聪明的头脑，有那么优越的环境，有那么关爱你的父母，不要被困难和艰苦羁绊前进的步伐。老师真心地期望你用努力奠基，用毅力为墙，用智慧为梁，建造起属于你的成功殿堂。

20、你的自我表现才能令我钦佩，讲故事或回答问题时，总能绘声绘色地娓娓道来，每次都让身边的听众交口称赞。在老师和同学的心目中你是个机灵、热情的小演说家。老师相信你将来定会有所作为。如果你能坚持不懈地努力，同时多一份宽容与平和，你会更出色！

21、你聪明好学，精彩的发言常常受到老师的称赞，你是老师的好帮手。遇到困难就哭，这可不好，强者有泪不轻弹嘛，小小的挫折算什么？古人说：“少时饱经磨砺，老年不畏风霜。”把挫折踩在脚下，走过去，前面的天更蓝，路更宽，老师希望看到一个坚强、不怕困难的你！

22、一对会说话的大眼睛闪烁出你的聪明与机灵；一双勤劳的小手挥动出对集体的热情；一颗善良的心中总能装着他人。为此大家都非常喜欢你，继续努力吧，我们等着看到你更骄人的成绩！

23、劳动中，你是汗流满面的小男子汉；运动会上，你是敢于拼搏的小选手。在老师眼里，你更是一个懂事的好孩子。由于四川口音，致使你有些齿音字，然而你在快乐展示台上有感情地朗读真是令人刮目相看。你所讲的课外知识，也经常使老师受益。相信你今后会在课堂上踊跃发言，通过自己的努力，积累更丰富的知识。在成长的过程中定能克服困难，笑对挫折，成为更加坚强的人。

24、你是一个特别有才华和智慧的男孩，有一颗善良的心，时时处处为别人着想，老师特别欣赏你，你以强烈的责任心出色地完成老师交办的各项工作。你博览群书，总会有真知灼见、不凡的谈吐。希望你能敞开心扉，常常与老师、父母说说心里话。

25、语言是思维的外壳。你在课内外许多精彩的言辞和辩论反映出你敏捷的思维。聪明好学、努力上进注定了你在学业上必将有所成就。但目前的状况还不尽如人意，怎样改变现状呢？好好思考一下吧。老师送你一句话：不可偏执，须踏实，方可成大事！

26、你有一种永不服输的精神，喜欢对问题追根究底，希望你能将运动场上的潇洒带到生活中来，再多一点“细心”，你的人生也将会更加丰富多彩。

27、眼前又浮现出你在游泳池中，挥臂击水、奋勇向前的矫健身影。

28、你总是用一双充满求知欲的眼睛注视着这个世界，时刻都被周围新奇的事物所吸引。在这个集体里，你投入了全部热情和智慧，每天清晨都能看到你为大家服务的身影。你的突出表现，赢得了全班同学的信任。这就是你D个聪明、正直的小男子汉。告诉你一个小秘密，老师非常喜欢你。我相信：在成长的道路上，你能用灵巧的大脑和双手创造属于自己的一片天地！

29、你聪明好学、活泼开朗的个性赢得大家喜爱。你出色的组织能力使班内活动开展得丰富多彩。你对问题的深入探究，使你的学习成绩一直保持优秀，如果再多一些细心，你的生活定会演绎得更加精彩！

30、活泼好动、心直口快使你做起事来雷厉风行，你是一名合格的班干部。但是，课上偶尔的窃窃私语却成为你学习上的制动器，望你在新的学习环境里克服这个缺点，你的潜力将会发挥得更加淋漓尽致。

31、你是那样恬静，脸上总带着一丝微笑，让我不由得想起那深谷里静静绽放的百合。虽然你不爱过多地表现自己，但从你每一次做值日时那认真的态度，我能感受到你那一颗关爱集体的心。

32、因为你善于动脑，经常能够解答令大家为难的问题；因为你勤于读书，随时能让我们和你一起学到许多书本以外的知识。“读书虽可喜，何如躬践履”。如果你在多看、多问、多说的同时，还能做到多写，通过不断地积累，你会进步得更快。

33、有礼貌的好孩子。老师相信的小毛病，变得更加成熟，

34、你是一个坚强的孩子，虽然父母过早地离你而去，但悲痛没使你消沉，而是面对“逆来”，宽解“顺受”，将对父母的思念转化为对人生的追求。你表现突出：主动承担班级的卫生工作，不怕苦累；田径赛场上，你矫健的身影赢得观众阵阵欢呼声……记住：失去亲人不等于失去亲情，关爱你的人很多很多，亲友、同学、老师当你有困难时不要忘了李老师啊！

35、对你，未曾谋面己相知，因为你已小有名气。我接班后，感觉你果然名不虚传。课堂上你思维敏捷，发言积极，独到的见解令人钦佩；课下你孜孜以求，刻苦认真的学习劲头打动着周围的同学。遗憾的是很少听到你的笑声，是不是心理压力过大，“盛名”之下不堪重负？望你有颗平常心，心中装满阳光，脸上自有笑容。

36、活泼开朗是你的性格，热情大方是你的本性，聪明智慧是你的天赋，这些都是你走向成功的“软条件”，但如不用“勤奋”催化，也不会生出成果。老师真诚地希望你能勇敢地面对生活的磨砺，不懈地拼搏进取，做一名自强不息、奋进不止的坚强少年！

37、无论你走到哪里总会撒下一路笑声，“少年不识愁滋味”的你，用欢乐拨动着与你一起学习的伙伴心弦，因此，大家都喜欢接近你。你是一名生活委员，工作得很辛苦，且卓有成效，老师和同学由衷地感谢你。老师喜欢看到你在课堂上聚精会神的神态，喜欢听到你字正腔圆的朗读，更喜欢你在运动场上顽强拼搏的英姿。如果你再多看看书，并勤于练笔，那么写作能力会提高得很快，愿意试试吗？

38、在我心目中，你是一个坚强又有求知欲的孩子。长期的病痛一直折磨着你，但你没有向病魔低头！只要感觉稍微好一点，你就会坚持到校。虽然你耽误了一些课，但成绩却没有下降。令我感动的是：家庭生活并不富裕、平日生活异常节俭的你，竞在“抗非典”活动中带头捐出5元钱，成为同学们的榜样！衷心地祝你早日康复！希望你加强锻炼，有一个健康的体魄！

39、你知道吗？老师很喜欢你，不仅是因为你的学习成绩好，更重要的是你做任何事都认认真真，踏踏实实。在班级工作中，你是老师的小帮手；在学习活动中，你是同学们的好榜样，关心班级，乐于助人。这一切都是你的可贵之处。常言道：“金无足赤，人无完人。”如果你在学校开展各项活动时，注意方式方法，敢抓敢管，成功一定会属于你！

40、这学期你不断地进步，经常给老师带来惊喜：看！你积极地与同学交流学习的体会，自信地举手发表自己的见解；你每次认真完成的作业，总是令人赏心悦目；你在日记和作文中流露出的快乐与忧愁，让人读懂了你的内心世界。老师为你的进步而深深感动。“劳动小能手”、“文明银海燕”的称号，你当之无愧。望你能与同学和睦相处，积极地参与集体活动。加油吧！老师愿永远做你进步的阶梯。

41、在各项活动中都会看到你活跃的身影，听到你甜美的声音。你的热心、爱心、诚心感染了许多人，赢得了大家的喜爱。老师相信你一定会以积极进取的精神，锲而不舍的毅力勇敢地战胜学习中的各种困难。成功之路就在脚下。

42、泛舟书海和攀登书山，不仅要有聪明的头脑，还要有踏实的学习态度和不畏艰辛的精神以及持之以恒的毅力。临渊羡鱼，不如退而结网。愿你鼓足勇气，从现在做起，在理想的天空下结网，在知识的海洋中畅游。老师相信你定会成为有心的“渔人”，德识双收，满载而归。

43、帅气的你像动漫世界里的大男孩。特殊的家庭使你有着和其他孩子不同的经历，但坚强的你却能微笑面对。强者从生活的波涛中探索人生的真谛，而你把特殊的家庭遭遇看作是生活对自己的考验，你就是生活的强者。你应感到自豪，因为你比那些离不开父母呵护的孩子勇敢得多。时来运转，否极泰来。一切都会好起来的。请相信：无论你遇到任何困难，老师都会为你排忧解难帮助你。

44、你像个永远长不大的小不点儿，活泼开朗，谑而不虐。老师最喜欢你在课堂上转动眼珠认真思考的模样，可老师又担心你的马虎和粗心会使你聪明反被。期待着你能树立远大的目标，并朝此目标跑步前进，老师将是你强有力的支持者！

45、小小的年纪，你就站在全市的领奖台上。时代在发展，运动健儿同样需要扎实的知识底蕴，技巧需要智力支持。所以，希望你学好文化知识，进行科学训练，早日登上奥运会的领奖台。届时，我愿成为你的拉拉队员，现在我愿在你成长的道路上默默帮助、支持你。

46、你黑亮的大眼睛里装满了智慧，你宽广的胸怀洋溢着热情，你拥有永不退缩的克服困难的劲头，因为有了你，班集体才更加充满朝气。现在的你，就像一块璞玉，一旦被精心雕琢成器，定会焕发出灿烂的光辉。老师家长对你的严格要求，甚至严厉批评，正是在刻金琢玉。

47、每当看到你的名字，一只聪明活泼的“小猴子”就会浮现在大家的脑海里课本剧中，有你活灵活现的表演；区小学生乒乓球比赛场上，有你奋力挥拍的身影；我们的集体里，充满了你为大家带来的欢声笑语。在学习中，希望你同样出色，老师翘首以待。

48、聪明可爱，活泼顽皮，这是你留给老师的印象。课上你思维活跃，听讲专注，回答问题又是有条不紊，有时还有独特的见解。你酷爱数学，爱攻难题，而且思路奇巧，解法新颖。你热心帮助同学，在同学中有很高的威信。“万丈高楼平地起”，要把课本知识学好，夯实“双基”。真心地希望你今后勇攀数学高峰，摘取数学皇冠上的明珠。

49、你活泼好动，擅长表演。顽皮机灵的你充满了阳光般的朝气与热情。你热心班级的各项活动，是一个十分讨人喜欢的孩子。老师希望你在学习生活中无忧无虑，更希望你能学有所获，不断丰富、充实自己，掌握过硬的知识和本领，迎接明天的挑战！

50、老师最喜欢喊你“大齐祺”，不仅因为你个头大，而且力气也是班里最大的，说起劳动来谁也比不上你，说起学习来你就更出色了！你的思维相当敏捷，不仅能透彻地分析问题，还能提出很多有思考价值的问题。

篇2

2、邪正看眼鼻，真假看嘴唇，功名看气概，富贵看精神。

3、知足天地宽。

4、业精于勤而荒于嬉，行成于思而毁于随 ——韩愈

5、没有任何动物比蚂蚁更勤奋，然而它却最沉默寡言 —— 富兰克林

6、勤学苦练经典名言，多读多记给力生活

7、凡事须逐日检点，一日姑待后来补救，则难矣。

8、须先立坚卓之志。

9、从人可羞，刚愎自用可恶。不执不阿，是为中道。寻常不见得，能立于波流风靡之中，最为雅操。

10、成为超卓的代名词，很多人并不能适宜需要超卓实质的环境。

11、人的大脑和肢体一样，多用则灵，不用则废 ——茅以升

12、你想成为幸福的人吗？但愿你首先学会吃得起苦 ——屠格涅夫

13、宝剑锋从磨砺出，梅花香自苦寒来。

14、天才就是无止境刻苦勤奋的能力 ——卡莱尔

15、给时间一点时间，让过去的过去，让开始的开始！

16、人生在勤，不索何获——张衡

17、效果一番伟业的仅有途径便是热爱自个的工作。如果你还没能找到让自个热爱的工作，继续寻找，不要扔掉。随从自个的心，总有一天你会找到的。

18、立异无极限！只需敢想，没有什么不可能，当即跳出思维的框框吧。如果你正处于一个上升的向阳工作，那么检验去寻找更有用的解决方案：更招消费者喜爱、更简练的商业模式。如果你处于一个日渐萎缩的工作，那么急忙在自个变得跟不上时代之前脱身而出，去换个工作或许改换工作。不要推迟，立刻初步立异！

19、形成天才的决定因素应该是勤奋 ——郭沫若

20、为人不可过于聪明。

21、曾经说过男足的比赛不再关注，但是这是最大的谎言，比赛还是会偷偷的看，进球还是会大胆的喊！自家的孩子还是爱！加油！中国国家男子足球队！

22、深深的呼吸，吸进新鲜和快乐，呼出糟糕和不安。

23、前世所袭误者，可以自我更之；前世所未及者，可以自我创之。

24、脚踏实地，不敢一毫欺人。

25、好便宜不可与共财，狐疑者不可与共事。

26、智慧源于勤奋，伟大出自平凡 —— 民谚

27、守笃实，戒机巧，守强毅，戒刚愎。

28、勤奋的人是时间的主人，懒惰的人是时间的奴隶 —— 朝鲜

29、好学而不勤问非真好学者。

30、天才就是这样，终身劳动，便成天才！ —— 门捷列夫

31、受非分之情，恐办非分之事。

32、书山有路勤为径，学海无涯苦作舟。

33、灵感不过是“顽强的劳动而获得的奖赏” ——列宾

34、勿忘国耻，珍爱和平。作为年轻一代，我们并不应该只有仇恨，而是应该在各个方面提高我们自己，素质礼仪，修养，能力等。

35、对自己不满足，是任何真正有天才的人的根本特征。 —— 契诃夫

36、凡有盛必有衰，不可不预为之计。

37、勤劳一日，可得一夜安眠；勤劳一生，可得幸福长眠 ——达·芬奇（意大利）

38、演戏，演的是角色之间的关系，看到这句话茅塞顿开，生活当中人与人之间的关系也是最难把握也是最重要最基本的习题，表演源于生活，源于基本。

39、天才是百分之一的灵感，百分之九十九的血汗。 —— 爱迪生

40、一身能勤能敬，虽愚人亦有贤智风味。

41、勤奋和智慧是双胞胎，懒惰和愚蠢是亲兄弟 —— 民谚

42、如果你正用常识来处理会很简单的事情搞得复杂，或是正把虚荣当成是实惠的话，令人遗憾的说，你也许已经变成了自己曾经鄙视的旧式人群。

43、任何倏忽的灵感事实上不能代替长期的功夫。 —— 《罗丹艺术论》

44、兄弟和，虽穷氓小户必兴，兄弟不和，虽世家宦族必败。

45、人以气为主。

46、广其识则天下大。

47、务须咬牙厉志，蓄其气而长其志，切不可恭然自馁也。

48、君子之道，以知命为第一要务。

49、衰退的，而且会有慢性的腐朽中归于消灭。 —— 《克雷洛夫寓言》

50、凡办大事，以识为主，以才为辅；凡成大事，人谋居半，天意居半。

51、不经历风雨，怎能见彩虹 ——《真心英雄》

52、神童和"天才"，如果没有适当的环境和不断的努力，就不能成才，甚至堕落为庸人。 —— 维纳

53、相由心生，确实是挺可怕的，保持那颗最初的心，不求出淤泥而不染色，但求做到过得了自己的坎，不需要事事都圆滑机智，有点棱角才是自己。谦虚是最重要的课程，随性自然，没必要随波逐流，这个世界的人都一样的话，也没有太多的乐趣，棱角有时会成为人生的亮点。

54、国家之强，以得人为强。

55、吾观乡里贫家儿女，愈看得贱愈易长大，富户儿女，愈看得娇愈难成器。

56、举止端庄，言不妄发。

57、凡有用之物，不宜抛散也。

58、贵有恒何必三更眠五更起，最无益只怕一日曝十日寒。

59、天才绝不应鄙视勤奋 —— 小普林尼()

篇3

在电视文艺界普遍认为纪录片体裁不太适于“艺术”表现的同时，近20年来电视新闻纪录片却在逐渐向艺术靠拢——题材的多样化、体裁的裂变、篇幅的系列化、技巧的艺术化等，使一本正经的纪录片也描眉勾唇，狐步蜂腰起来。譬如在2012年中央电视台播出的《舌尖上的中国》红极一时，其成功并不是偶然的，而是拥有独到、别具一格的表现方式和艺术手法，它将美食与人物联系在一起，使整个纪录片丰富而饱满。又比如在全球引起反响的历史纪录片《失落的文明》，其中复原历史场面的艺术性扮演及蒙太奇技巧的全面应用，使人不得不感叹电视新闻纪录片“离新闻远了，距艺术近了”。若因此而联想到“艺术新闻化”（此仅取“新闻”概念的纪实而非时效内涵）的可能性，“电视文艺纪录片”这个体裁概念，就理所当然进入了我们的意识。

对电视文艺纪录片的关注，乃鉴于以下现实背景：商品文化通过电视左右着我们的思维，使我们以“现代性”为借口，自觉或不自觉地充当着悠久传统文化艺术的扼杀者，把人类赖以生存的传统文化艺术推入绝灭的深渊。古老的艺术那无限多样的文化功能和形态，被电视简化为单调的娱乐或“审美”功能和复制形态，用以残害“大众”的智商，腐蚀“大众”的趣味，从而把电视观众变成贪玩无知的顽童。

为图自救，必须改造电视了。所谓“电视艺术”已经是艺术之树上的一个病枝——廉价的复制品，享乐的麻醉剂，刺激收视以谋取金钱的商品或某种观念宣传的符号。它们垄断着荧屏，排斥着真正的传统艺术、民族艺术、少数民族艺术和第三世界艺术，它们以娱乐或“审美”来以偏概全地冒充艺术在历史与现实中的多元化功能与性质。 总之，电视正在把艺术这棵扶桑巨树演变成病弱的菟丝。

艺术是什么？这是被传统美学和商业文化搅得混乱一团的问题关键之所在，“电视文艺”仅是推波助澜者而已。我们不免有这样一种担心：在“电视文艺”推波助澜之下，丰满鲜活的艺术传统正在枯萎，尸骸标本式的华丽“艺术”将成为我们后代子孙的精神食粮。嚼着这类尸骸长大的我们的孩子，将不再有能力梦见蝴蝶的活体；在他们光怪陆离的梦境中，将充溢着钉在精致木框里的彩蝶标本。孩子们将因此失去很多宝贵的人性特质，如灵性、爱的能力、价值判断能力、想象能力等等。倘如此，我们罪莫可赎。

篇4

中图分类号：U491.14文献标识码：ADOI：10.3969/j.issn.10036199.2017.01.025

1引言

医疗文本实体识别是医疗知识挖掘，医疗智能机器人，医疗临床决策支持系统等应用领域的重要基础工作。最近一大批在线医疗信息，社区及远程问诊网站及其应用迅猛发展。这些网站为病患者提供多元化的医疗信息获取渠道。同时产生大量疾病问答信息与医疗文本。这些信息将汇成一股非常可观的大数据。并且这些医疗文本中有大量真实的个人案例，潜藏着丰富的医疗价值。但是这些医疗文本大多处于一种非结构化的状态。为充分挖掘其中的价值，并为接下来医疗问答等应用打好基础工作，医疗文本实体识别是必不可少的步骤。

2相关工作

命名实体识别这个概念是在MUC6（Message Understanding Conference）会议被提出。命名实体识别主要任务是识别出文本中出现专有名称和有意义的数量短语并加以归类。通用的命名识别主要包含实体（组织名、人名、地名），时间表达式（日期、时间），数字表达式（货币值、百分数）等。在生物医学领域，目前比较集中的研究是针对医学文献中的基因、蛋白质、药物名、组织名等相关生物命名实体识别工作[1]。随着医疗系统的信息化， 也出现大量针对电子病历进行的识别工作。

目前常用的命名实体识别方法分为两大类：基于规则和知识的方法与基于统计的方法。基于规则和知识的方法是一种最早使用的方法，这种方法简单，便利[2]。基于规则和知识方法缺点是需要大量的人工观察，可移植性较差。基于统计的方法将命名实体识别看作一个分类问题，采用类似支持向量机，贝叶斯模型等分类方法；同时也可以将命名实体识别看作一个序列标注问题，采用隐马尔可夫链、最大熵马尔可夫链、条件随机场等机器学习序列标注模型[3-6]。这些方法都需要人依靠逻辑直觉和训练语料中的统计信息手工设计出大量特征。这些统计学习方法识别性能很大程度上依赖于特征的准确度，所以要求团队中要有语言学专家。

加拿大多伦多大学的Hinton教授[7]提出深度学习的概念，在全球掀起一次热潮。深度学习通过模仿人脑多层抽象机制来实现对数据（图像、语音和文本等）的抽象表达，将特征学习和分类整合到一个统一的学习框架中，从而减少手工特征制定的工作量。最近几年来，深度学习在图像识别和语音识别等领域已经取得巨大成功。深度学习技术在原始字符集上提取同样也受到很多关注。因为深度学习技g可以在原始字符集上提取高级特征，所以本文利用深度学习技术在大量未标记医疗语料上无监督地学习到词特征、不用依赖人工设计特征，从而达到实体识别的目的。

针对实体识别这一任务，本文用到神经网络语言模型对词进行分布式表达。神经网络语言模型利用神经网络对词的概率分布进行估计、生成模型，从而得到词与词之间的关系；同时该模型是一种无监督训练模型，可以从大量未标记的非结构化文本中学习出词语的分布式表示，并且可以对词语之间的关系以及相似度进行建模。

神经网络语言模型（NNLM）[8]是2003年由Bengio提出，直至近年来由于硬件成本降低、文本数量急剧增加，神经网络语言模型开始逐渐被应用到多种自然语言处理任务中，并取得了不错的效果。纵观神经网络语言模型的演变过程，同样也说一个逐步完善和逐步应用的过程。2011年Mikolov等[9]使用循环神经网络改进了Bengio的神经网络语言模型，该模型在语音识别上的应用性能要优于传统的n-gram语言模型。2011年Collobert等[10]提出了一个统一的神经网络架构及其学习算法，并设计了SENNA系统可用于解决语言建模、词性标记、组块分析、命名实体识别、语义角色标记和句法分析等问题。2013年Zheng等[11]在大规模未标记数据集上改进了中文词语的内在表示形式，并使用深度学习模型发现词语的深层特征以解决中文分词和词性标记问题。2016年Z Jiang等[12] 提出一种基于图的词向量表达，并将其应用到医疗文本挖掘中。2016年SR Gangireddy等[13]提出一种自适应的RNN神经网络语言模型，并将其用到自然语音识别上。本文在前人研究基础上，利用神经网络语言模型构建了词的分布式特征，从而使医疗词汇的命名实体识别更加具有可应用价值。

3算法模型设计

本文设计一种可以用于命名实体识别的深层神经网络架构，该架构的本质是构建具有多层的神经网络，学习出更有用的特征，从而提升识别的性能。比自然语言处理任务中常用模型如：条件随机场模型，SVM，贝叶斯模型，该架构具有两大优势：1. 传统的稀疏特征被稠密的分布式特征取代；2. 利用深度学习结构以发现更高级的特征。

3.1命名实体识别的深层架构

本文的神经网络至少包含三层，第一层是输入层，第二层是隐含层，第三层是输出层。

该深层网络的输入是词分布式表达，输入的词向量也需要训练和优化模型参数；隐含层可以有多层，本文为提高训练速度，使用单层作为隐含层；输出层采用损失函数为二元交叉熵的逻辑分类器构成。

该架构主要思路是将实体识别看作一个分类问题。其输入是词向量表达与上下文词汇的词向量。这些词向量替代了传统机器学习方法人工定义的特征，将这些词向量输入到神经网络，然后通过隐含层将这些词向量转换为另外向量，再通过逻辑回归层进行分类，得到每个词的实体名概率，从而完成此实体识别工作（如图1所示）。3.2分布式表示

上文提到神经网络的输入是词向量。

对词特征和词性特征进行传统的特征表示，那么任意两个词语之间或者任意两个词性标记之间都是孤立的、没有联系的。对词特征和词性特征进行分布式表示，即把每个词语或者每个词性标记都表示为一个低维实数向量，那么任意两个词语之间或者任意两个词性标记之间的欧氏距离将更近。

词语特征的分布式表示可解决机器学习中的维数灾难和局部泛化限制等问题，相比于传统的特征表示方式可以更深入地探索输入数据之间的固有联系，捕获其内部的语法、语义相似性。当遇到训练语料中未出现的词语或词性标记时，采用词语特征的分布式表达训练出的模型仍然能够有较好的表现。

3.3前馈神经网络函数

一个词的实体识别需要考虑该词的上下文环境，这样识别准确度才能更高。本文神经网络输入层是窗口词向量，而不只是单个词的词向量。定义窗口大小为C，当C=1时则表示输入是一个词向量。隐含层的输入是窗口词向量，是一个C*M的矩阵。C为窗口大小，M为词向量的维度。隐含层的输出作为逻辑回归层的特征。逻辑回归层将计算窗口的中心词为各个类别的概率。故本文网络架构的前馈神经网络函数如下：

3.6参数训练

对该深层架构的训练本质是在训练语料上计算模型中的未知参数，未知参数主要包括隐含层的若干参数，还包含逻辑回归层中的变换矩阵W∈Ry×n和偏置矩阵b∈Ry×n。训练神经网络需要用到反向传播算法和SGD（随机梯度下降）算法。具体参数训练流程为：

第一步：随机初始化网络全部参数，包含隐含层、逻辑回归层参数。

第二步：随机挑选一个训练样本（xi，yi），首先进行前向传播，将隐含层的输出信息传递到逻辑回归层，将所提取的最高级特征映射到相应的标记信息上，利用数据的标记值对模型进行有监督训练，并不断调整连接权值，减小模型的目标预测标记与实际标记之间的概率误差。

第三步：反向传播，计算前向传播过程中目标预测标记与实际标记之间的概念误差，并将该误差从逻辑回归层向隐含层传播，并不断调整隐含层参数θ=（W，b（i））。

4医疗文本实体识别流程

针对在线医疗文本信息， 本文主要考虑了5 类命名实体：疾病、症状、药品、治疗方法和检查。具体实体识别流程如图2 所示， 主要包括数据爬取、数据处理、数据处理、词汇分布式特征训练、神经网络模型训练、实体识别和识别结果抽取。首先爬取胃癌、糖尿病、哮喘、高血压四种病相关医疗文本，对获取的医疗文本进行预处理， 包括特殊符号的过滤、人工标注、分词、大小写转化等操作， 然后， 利用程序将所有数据划分为训练集和测试集两部分。将训练集放到模型中进行训练， 随后再利用训练得到的参数测试模型识别效果。

5实验结果及分析

5.1实验条件

本文在Centos系统环境下用Java实现相关代码，完成整个模型的构建与训练。其中使用一款开源工具包word2vec构建神经网络语言模型，word2vec是Tomas Mikolov在2013年开开发出来的工具包。word2vec使用CBOW模型（连续词袋模型）[14-16]。CBOW模型是一种简化的NNLM模型，CBOW去掉了最耗时的非线层、且所有词共享隐层，可无监督地训练出词特征的分布式表示和词性特征的分布式表示。为验证本文算法效果，本文通过设置2组对比实验进行验证，两组对比实验如下：

实验1通过观察分析训练语料，手工构建特征集。这些特征集有符号特征，词性特征，形态特征，后缀特征，身体部位指示词特征与上下文特征等。在训练语料上使用这些特征集训练条件随机场模型，并利用得到的条件随机场模型在测试语料上进行命名实体识别，然后对识别结果进行评估，将实验标记为CRF。

实验2在训练语料上无监督地学习出词的分布式表达和词性的分布式特征表达，并利用词的分布式表达和词性的分布式表达构建并训练3层网络架构。然后利用训练出来的深度神网络在测试语料上进行命名实体识别，且对识别结果进行评估，将实验标记为DBN。

5.2实验结果

本实验使用3个指标来衡量命名实体识别的性能：正确率、召回率和F值。其计算公式如下：

正确率（P）=系统正确识别的实体个数系统识别的实体个数×100%（10）

召回率（P）=系统正确识别的实体个数文档中实体个数×100%（11）

F-值=2×P×RP+R×100%（12）

6结论

本文通过神经网络语言模型学习得到词特征的分布式表达和词性特征的分布式表达。并在词分布式表达基础上构建出一种深层架构，将该深层架构应用于医疗命名实体识别任务。实验表明该方法可以自动抽象出更高级特征，最大程度减少手工特征设计工作量。在医疗语料库上进行2组对比实验，取得总体上88.03%的准确率和82.34%的召回率，该实验结果表明该方法在命名实体识别任务中比条件随机场模型效果更好。

参考文献

[1]胡双，陆涛，胡建华.文本挖掘技术在药物研究中的应用[J]. 医学信息学杂志， 2013，（8）：49-53.

[2]周昆. 基于规则的命名实体识别研究[D]. 合肥：合肥工业大学， 2010

[3]阚琪. 基于条件随机场的命名实体识别及实体关系识别的研究与应用[D]. 北京：北京交通大学， 2015.

[4]冯元勇，孙乐，张大鲲，等. 基于小规模尾字特征的中文命名实体识别研究[J]. 电子学报，2008，36（9）： 1883-1838.

[5]钟志农，刘方驰，吴烨，等. 主动学习与自学习的中文命名实体识别[J]. 国防科技大学学报，2014，4：82-88.

[6]怀宝兴，宝腾飞，祝恒书，等. 一种基于概率主题模型的命名实体链接方法[J]. 软件学报，2014，9： 2076-2087.

[7]HINTON G E，SALAKHUTDINOV R R. Reducing the dimensionality of data with neural networks [J].Science， 2006， 313（5786）： 504-507.

[8]BENGIO Y， DUNCHARME R， VINCENT P，et al.A neural probabilistic language model [J]. The Journal of Machine Learning Research， 2003，3：1137-1155.

[9]MIKKOLOV T， KOMBRINK S， BURGET L，et al.Extensions of recurrent neural network language model[C] // 2011 IEEE International Conference on Acoustics， Speech and Signal Processing （ICASSP） IEEE，2011： 5528-5331.

[10]COLLOBERT R， WESTON J， BOTTOU L，et al.Natural language processing （almost） from scratch[J]. The Journal of machine Learning Research， 2011， 12： 2493-2537.

[11]ZHENG Xiaoqing， CHEN Hanyang， XU Tiayu. Deep Learning for chinese Word segmentation and POS Tagging[C] //EMNLP. 2013： 647-657.

[12]JIANG Zhenchao，LI Lishuang，HUANG Degen.An Unsupervised Graph Based Continuous Word Representation Method for Biomedical Text Mining// IEEE/ACM Transactions on Computational Biology and Bioinformatics，2016， 13 ：634-642.

[13]GANGIREDDY S R，SWIETOJANSKI P，BELL P，et al.Unsupervised Adaptation of Recurrent Neural Network Language Models// Interspeech， 2016， 9： 2016-1342

[14]MIKOLOV T，CHEN K， CORRADO G，et al.Efficient estimation of word representations in vector space [J]. Neural Computation，2014， 14： 1771-1800.