在生物医学研究中，专利包含大量信息，而生物医学文本挖掘最近在专利中引起了很多关注。 为了加快专利生物医学文本挖掘的发展，BioCreative V.5挑战赛组织了三个方面，即化学实体提及识别（CEMP），基因和蛋白质相关对象识别（GPRO）以及注释服务器的技术互操作性和性能，专注于专利中的生物医学实体识别。 本文介绍了针对CEMP和GPRO轨道的神经网络方法。 在该方法中，具有条件随机场层的双向长期短期记忆被用于识别专利中的生物医学实体。 为了提高性能，我们探索了神经网络模型的其他功能（即，词性
