基于图嵌入的社交媒体药物不良反应事件检测方法

• 作者: 林鸿飞 申晨
• 来源期刊: 大连理工大学学报
• 学科: 工学
• 关键词: 社交媒体 图嵌入 对抗训练 药物不良反应事件检测 深度学习
• 年，卷（期）: 2020,（5）
• 页码范围: 547-554
• 页数: 8页
• 分类号: TP391
• 语种: 中文
• DOI: 10.7511/dllgxb202005011

摘要

药物不良反应事件是造成患者发病、死亡的主要原因之一.传统的基于患者自发报告系统存在较为严重的漏报情况,近年来将推特等社交媒体作为数据来源进行药物不良反应事件检测的研究愈发受到重视.各种深度学习模型通常依赖于大量的训练样本,然而受限于数据来源的特质和耗时的数据标注工作,该领域的相关研究面临标注数据规模小、数据噪声大等问题,制约了这些模型发挥良好的效果.据此,在文本表示层面引入基于图嵌入数据增强和对抗训练两种正则化方法,提升模型在低资源高噪声下的药物不良反应事件检测效果.通过实验,具体分析和讨论两种方法的适用范围,结合卷积神经网络,提出一种同时发挥其优势的药物不良反应事件检测模型,实验结果显示其具有良好的适用性.

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		214	3759	31.0	55.0
2	申晨		1	0	0.0	0.0