| 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 |
| |
| 引用本文： | 陈瑶,吴红,葛卫红,张海霞,廖俊.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[J].中国药科大学学报,2019,50(6):753-759. |
| |
| 作者姓名： | 陈瑶 吴红 葛卫红 张海霞 廖俊 |
| |
| 作者单位： | 中国药科大学理学院,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,南京大学医学院附属鼓楼医院药学部,中国药科大学理学院；药物质量与安全预警教育部重点实验室(中国药科大学) |
| |
| 基金项目： | 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) |
| |
| 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。
|
| 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 |
Research on entity relation extraction of Chinese adverse drug reaction reports based on deep learning method |
| |
| CHEN Yao,WU Hong,GE Weihong,ZHANG Haixia and LIAO Jun.Research on entity relation extraction of Chinese adverse drug reaction reports based on deep learning method[J].Journal of China Pharmaceutical University,2019,50(6):753-759. |
| |
| Authors: | CHEN Yao WU Hong GE Weihong ZHANG Haixia and LIAO Jun |
| |
| Abstract: | |
| |
| Keywords: | adverse drug reaction relation extraction drug safety evaluation deep learning bidirectional gated recurrent unit |
|
| 点击此处可从《中国药科大学学报》浏览原始摘要信息 |
| 点击此处可从《中国药科大学学报》下载免费的PDF全文 |
