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:
作者单位:

作者简介:

通讯作者:

中图分类号:

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)


Research on entity relation extraction of Chinese adverse drug reaction reports based on deep learning method
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    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。

    Abstract:

    Adverse drug reaction(ADR)reports are acting as primary sources for post-marketing drug safety evaluation, which have important reference value for drug safety evaluation. In this article, bidirectional gated recurrent unit, a kind of deep learning method, was applied as the model for relation extraction of drugs and adverse reactions in free-text section of ADR descriptions in Chinese ADR reports, with attention as well as character embedding and word segmentation embedding added into the network. The experimental results showed that our model achieved good performance in the classification task of confirming the relationship of “Drug-ADR” pair(denial, likely, direct and post-therapy)in the ADR description, and the final model achieved an F-value of 87. 52%. The extracted information can assist in evaluating ADR reports and at the same time be utilized in tasks like statistical analysis of certain drugs and adverse events and ADR knowledge base construction to provide more research techniques for drug safety researches.

    参考文献
    相似文献
    引证文献
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.
Cite:CHEN Yao, WU Hong, GE Weihong, ZHANG Haixia, LIAO Jun. Research on entity relation extraction of Chinese adverse drug reaction reports based on deep learning method[J]. J China Pharm Univ,2019,50(6):753-759.

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期: 2019-12-31
  • 出版日期:

友情链接