Print

基于深度学习模型的我国药品不良反应报告实体关系抽取研究

论文摘要

药品不良反应（adverse drug reaction,ADR）报告作为药品上市后安全评价的主要载体,对药物安全评价研究具有重要的参考价值。本文以深度学习模型中的双向门控循环单元（bidirectional gated recurrent unit,Bi-GRU）结构为基础,引入注意力机制以及字向量与分词向量优化模型,对我国ADR报告中的ADR过程描述部分进行"药品-不良反应"的关系抽取研究。实验结果表明,基于深度学习的实体关系抽取模型在确认不良反应描述中"药品-不良反应"对之间的关系（否认、可能、直接和后处理）的分类任务中达到了很好的性能,最终模型取得87.52%的F值。所提取的信息在辅助ADR报告评价的同时,可进一步运用于特定药物的不良反应统计学研究以及知识库构建等任务中,从而为药物安全性评价研究提供更多的研究手段。

论文目录

  • 1 药品不良反应报告研究
  •   1.1 不良反应报告关系提取
  •   1.2 深度学习模型与注意力机制应用于药品不良反应报告分析
  • 2 基于注意力机制的Bi-GRU模型应用于药品不良反应报告分析
  • 3 基于“药品-不良反应”的关系提取模型的实验过程与结果分析
  •   3.1 基于“药品-不良反应”的关系提取模型的语料介绍
  •     3.1.1 药品不良反应描述中的实体的标注
  •     3.1.2 药品不良反应描述中的实体关系的标注
  •   3.2 基于“药品-不良反应”的关系提取模型的超参数设置
  •   3.3 实验结果及分析
  • 4 小 结

    • 文章来源

    类型: 期刊论文

    作者: 陈瑶,吴红,葛卫红,张海霞,廖俊

    关键词: 药品不良反应,关系抽取,药物安全评价,深度学习,双向门控循环单元

    来源: 中国药科大学学报 2019年06期

    年度: 2019

    分类: 医药卫生科技,信息科技

    专业: 药学,自动化技术

    单位: 中国药科大学理学院,南京大学医学院附属鼓楼医院药学部,药物质量与安全预警教育部重点实验室(中国药科大学)

    基金: 国家自然科学基金资助项目(No.81773806),双一流创新团队资助项目(No.CPU2018GY19),江苏省食品药品监督管理局2017—2018年度科研项目资助项目(No.20170308)~~

    分类号: TP18;R95

    页码: 753-759

    总页数: 7

    文件大小: 1866K

    下载量: 240

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/0e06c18cc14e8449a0ccf098.html