[發(fā)明專利]一種基于社交媒體數(shù)據(jù)分析的藥物潛在副作用挖掘方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202110596995.2
• 申請(qǐng)日: 2021-05-31
• 公開（公告）號(hào): CN113033210A
• 公開（公告）日: 2021-06-25
• 發(fā)明（設(shè)計(jì)）人: 湯步洲;陳帥;熊英;陳清財(cái)
• 申請(qǐng)（專利權(quán)）人: 哈爾濱工業(yè)大學(xué)（深圳）（哈爾濱工業(yè)大學(xué)深圳科技創(chuàng)新研究院）
• 主分類號(hào): G06F40/295
• 分類號(hào): G06F40/295;G06F40/242;G06F40/216;G06K9/62;G16H70/40
• 代理公司: 深圳市君勝知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44268
• 代理人: 朱陽(yáng)波

1.一種基于社交媒體數(shù)據(jù)分析的藥物潛在副作用挖掘方法，其特征在于，所述方法包括：

獲取社交媒體的藥物評(píng)論數(shù)據(jù)并對(duì)所述藥物評(píng)論數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理，得到藥物評(píng)論預(yù)處理數(shù)據(jù)，再基于經(jīng)過(guò)訓(xùn)練的BERT語(yǔ)言模型識(shí)別所述藥物評(píng)論預(yù)處理數(shù)據(jù)的藥物副作用實(shí)體；其中，所述藥物副作用實(shí)體用于表征藥物副作用的實(shí)際描述；

基于排序的實(shí)體標(biāo)準(zhǔn)化方式將所述藥物副作用實(shí)體映射到標(biāo)準(zhǔn)副作用概念詞典，得到初始藥物副作用概念；其中，所述標(biāo)準(zhǔn)副作用概念詞典為所述藥物副作用實(shí)體與所述初始藥物副作用概念的映射關(guān)系；所述初始藥物副作用概念用于表征藥物副作用的名詞；

根據(jù)所述初始藥物副作用概念和官方報(bào)告藥物副作用概念，得到潛在藥物副作用概念；其中，所述官方報(bào)告藥物副作用概念用于表征權(quán)威機(jī)構(gòu)公開過(guò)的藥物副作用的名詞。

2.根據(jù)權(quán)利要求1所述的基于社交媒體數(shù)據(jù)分析的藥物潛在副作用挖掘方法，其特征在于，所述獲取社交媒體的藥物評(píng)論數(shù)據(jù)并對(duì)所述藥物評(píng)論數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理，得到藥物評(píng)論預(yù)處理數(shù)據(jù)包括：

獲取社交媒體的藥物評(píng)論數(shù)據(jù)；

對(duì)所述藥物評(píng)論數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗、句子邊界檢測(cè)和分詞的數(shù)據(jù)預(yù)處理，得到藥物評(píng)論預(yù)處理數(shù)據(jù)。

3.根據(jù)權(quán)利要求1所述的基于社交媒體數(shù)據(jù)分析的藥物潛在副作用挖掘方法，其特征在于，所述基于經(jīng)過(guò)訓(xùn)練的BERT語(yǔ)言模型識(shí)別所述藥物評(píng)論預(yù)處理數(shù)據(jù)的藥物副作用實(shí)體包括：

將所述藥物評(píng)論預(yù)處理數(shù)據(jù)輸入到經(jīng)過(guò)訓(xùn)練的BERT語(yǔ)言模型，得到藥物副作用實(shí)體。

4.根據(jù)權(quán)利要求3所述的基于社交媒體數(shù)據(jù)分析的藥物潛在副作用挖掘方法，其特征在于，所述BERT語(yǔ)言模型的訓(xùn)練過(guò)程具體為:

根據(jù)藥物副作用實(shí)體構(gòu)建機(jī)器閱讀理解問(wèn)題；

獲取訓(xùn)練實(shí)例三元組序列，其中，所述實(shí)例三元組序列包括question序列，answer序列，context序列；

將question序列和context序列進(jìn)行拼接并輸入至預(yù)設(shè)的語(yǔ)義理解模型，使用所述預(yù)設(shè)的語(yǔ)義理解模型的self-attention機(jī)制對(duì)question序列和context序列進(jìn)行交互，輸出所述藥物副作用實(shí)體的開始位置概率和結(jié)束位置概率；

根據(jù)所述開始位置概率和所述結(jié)束位置概率，確定所述藥物副作用實(shí)體的交叉熵?fù)p失函數(shù)；

根據(jù)所述交叉熵?fù)p失函數(shù)對(duì)所述預(yù)設(shè)的語(yǔ)義理解模型進(jìn)行訓(xùn)練，得到訓(xùn)練好的BERT語(yǔ)言模型。

5.根據(jù)權(quán)利要求4所述的基于社交媒體數(shù)據(jù)分析的藥物潛在副作用挖掘方法，其特征在于，所述self-attention機(jī)制的作用具體為：

對(duì)句子中的當(dāng)前詞和所述句子中除去所述當(dāng)前詞后的剩余詞之間的相關(guān)性進(jìn)行建模。

6.根據(jù)權(quán)利要求4所述的基于社交媒體數(shù)據(jù)分析的藥物潛在副作用挖掘方法，其特征在于，所述根據(jù)所述開始位置概率和所述結(jié)束位置概率，確定所述藥物副作用實(shí)體的交叉熵?fù)p失函數(shù)包括：

根據(jù)所述開始位置概率，計(jì)算所述藥物副作用實(shí)體的開始位置損失函數(shù)；

根據(jù)所述結(jié)束位置概率，計(jì)算所述藥物副作用實(shí)體的結(jié)束位置損失函數(shù)；

將所述開始位置損失函數(shù)加上所述結(jié)束位置損失函數(shù)，得到所述藥物副作用實(shí)體的交叉熵?fù)p失函數(shù)。

7.根據(jù)權(quán)利要求1所述的基于社交媒體數(shù)據(jù)分析的藥物潛在副作用挖掘方法，其特征在于，所述基于排序的實(shí)體標(biāo)準(zhǔn)化方式將所述藥物副作用實(shí)體映射到標(biāo)準(zhǔn)副作用概念詞典，得到初始藥物副作用概念包括：

在候選生成階段，根據(jù)統(tǒng)計(jì)的文本相似度算法和標(biāo)準(zhǔn)副作用概念詞典，得到所述藥物副作用實(shí)體對(duì)應(yīng)的若干候選標(biāo)準(zhǔn)副作用概念；

在候選排序階段，根據(jù)BERT的文本匹配算法得到藥物副作用實(shí)體和候選標(biāo)準(zhǔn)副作用概念的相似度分值；

將相似度分值最高的候選標(biāo)準(zhǔn)副作用概念作為初始藥物副作用概念。