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

• 作者: 吴红 廖俊 张海霞 葛卫红 陈瑶
• 来源期刊: 中国药科大学学报
• 学科: 工学
• 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
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 专论
• 页码范围: 753-759
• 页数: 7页
• 分类号: TP391.1
• 字数: 6259字
• 语种: 中文
• DOI: 10.11665/j.issn.1000-5048.20190617

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	葛卫红	南京大学医学院附属鼓楼医院药学部	381	1979	19.0	28.0
2	张海霞	南京大学医学院附属鼓楼医院药学部	100	426	11.0	16.0
3	陈瑶	中国药科大学理学院	6	29	2.0	5.0
4	吴红	中国药科大学理学院	1	0	0.0	0.0