基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
随着互联网的飞速发展,人们都在用社交媒体来作为知识分享、传播以及情感交流的主要平台,因此在社交媒体的药物不良反应检测将会是关注当前人们用药情况的重要渠道.与此同时,传统的机器学习在构建特征时较为困难并且有着较弱的迁移性,而卷积神经网络,即CNN,在进行空间信息建模时又存在效率低和空间不敏感的缺点.针对以上问题,文章基于通用文本处理特征和生物医学的专属特征等,提出一种基于胶囊网络和长短时记忆神经网络结合的方法来检测在社交媒体中的药物不良反应事件,使用的语料集是2017年The Social Media Mining for Health (SMM4H)共享任务语料集中的数据,对语料进行预处理后对药物不良反应进行标记,并且构造了分布式词向量特征、词性标记、字符级向量特征以及每句话中药物名和情感词作为模型的特征输入,形成对比实验.解决了在分类过程中特征之间空间关系缺失和构建模型效率低的问题,该实验结果与此前先进的结果相比F1值升高了4.2%,证明该方法在检测社交媒体的药物不良反应事件中是有效的并且具有良好的性能.
推荐文章
抗真菌药物不良反应文献分析
抗真菌药
药物不良反应
合理用药
抗结核药物不良反应及其防治
抗结核药物
不良反应
防治
化疗药物的不良反应及护理
化疗药物
不良反应
护理
药物不良反应及预防措施
不良反应
药物
预防措施
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于社交媒体的药物不良反应检测
来源期刊 山西大学学报(自然科学版) 学科 工学
关键词 社交媒体 药物不良反应 胶囊网络 生物医学
年,卷(期) 2020,(1) 所属期刊栏目 第二十五届全国信息检索学术会议(CCIR 2019)论文选登
研究方向 页码范围 14-21
页数 8页 分类号 TP39
字数 6352字 语种 中文
DOI 10.13451/j.sxu.ns.2019121
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 林鸿飞 大连理工大学计算机科学与技术学院 214 3759 31.0 55.0
2 朱晓旭 大连理工大学计算机科学与技术学院 1 0 0.0 0.0
3 曾泽渊 大连理工大学计算机科学与技术学院 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (8)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1998(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(2)
  • 参考文献(2)
  • 二级参考文献(0)
2018(1)
  • 参考文献(1)
  • 二级参考文献(0)
2019(1)
  • 参考文献(1)
  • 二级参考文献(0)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
社交媒体
药物不良反应
胶囊网络
生物医学
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
山西大学学报(自然科学版)
季刊
0253-2395
14-1105/N
大16开
太原市坞城路92号
22-42
1960
chi
出版文献量(篇)
2646
总下载数(次)
7
总被引数(次)
12039
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导