[發明專利]一種基于知識圖譜的藥物關系抽取方法

有效

• 申請號: 202210166924.3
• 申請日: 2022-02-23
• 公開（公告）號: CN114582443B
• 公開（公告）日: 2023-08-18
• 發明（設計）人: 孫霞;金鑫;陳嘉誠;卞婷;王明磊
• 申請（專利權）人: 西北大學
• 主分類號: G16C20/90
• 分類號: G16C20/90;G16C20/70;G06F16/33;G06F16/35;G06F16/36;G06F18/241;G06N3/0464;G06N3/048;G06N3/08;G06F40/295;G06F40/30
• 代理公司: 西安恒泰知識產權代理事務所 61216
• 代理人: 李鄭建

本發明涉及一種基于知識圖譜的藥物關系抽取方法，通過PubmedBERT并結合注意力獲取藥物描述的語義特征，用藥物關系抽取數據集和DrugBank數據庫構建藥物關系知識圖譜，通過RotatE模型得到藥物的知識嵌入特征；同時獲取藥物關鍵路徑特征；最后組合藥物描述的語義特征、知識嵌入特征和關鍵路徑特征送入多層感知機中分類，同時使用基于知識嵌入的多分類FocalLoss損失函數訓練神經網絡分類模型，并根據分類模型結果計算分類準確率。通過使用注意力機制獲取更符合藥物關系抽取任務的語義特征，同時使用知識圖譜嵌入，使網絡模型具有更好的可解釋性，最后通過改進的多分類Focal?loss損失函數，有效緩解了數據集分布不均衡問題，使最終分類結果有所提高。

技術領域

本發明涉及自然語言處理、關系抽取和計算生物醫學等技術領域，具體而言，具體涉及一種基于知識圖譜和KE-MFL?Loss的藥物關系抽取方法。

背景技術

藥物在我們的日常生活中具有重要的作用，能夠幫助我們維護身體的健康。當我們同時服用兩種以上的藥物時，藥物之間會可能會發生拮抗作用，而藥物之間拮抗作用會危害我們的身體健康，嚴重情況下，會危及我們的生命安全。因此，需要及時的獲悉兩種藥物之間是否會產生拮抗作用，是否會對我們的生命健康產生危害。

目前，已經存在一些藥物關系查詢數據庫，如DrugBank和PharmGKB等。但是這些數據庫的內容均是由人工來維護的，數據更新不及時而且要耗費大量的人力物力。所以，自動的從海量的生物醫學文獻中抽取藥物之間關系(Drug-drug?Interaction?Extraction，DDIE)的需求應運而生，而當前主要使用的便是神經網絡的方法。

神經網絡模型方法主要步驟是：使用海量的數據訓練出一個神經網絡模型，該模型能夠學習到數據中的一些特征，然后使用該訓練好的模型來預測新的藥物之間關系。但神經網絡由于其黑盒特性，對其預測結果往往沒有較好的可解釋性。

目前經常使用的藥物關系抽取數據集是SemEval?2013年一個共享任務所公開的數據集，即DDIE?2013。但該數據集的正負例分布極不均衡，其中負例占比更是超過了80％。同時，該數據集只提供了藥物相互作用關系的描述文本，所包含的知識內容比較有限，不能夠提供更多的外部知識，導致網絡模型分類結果不準確。

綜上所述，可以看出現有的神經網絡分類方法中，主要存在數據集分布不均衡，以及包含外部知識較少的問題，進而導致了現有模型分類不準確的結果。

發明內容

針對于目前藥物關系抽取領域中，數據集包含的知識有限以及數據集分布不均衡等缺陷或者不足，本發明的目的在于，提供一種基于知識圖譜的藥物關系抽取方法，該方法使用基于知識圖譜的神經網絡模型結構來補充外部知識，使用基于知識嵌入的多分類Focal?Loss損失函數來緩解數據分布不均衡及樣例錯分的問題，然后進行藥物關系的分類。

為了實現上述任務，本發明采用如下的技術解決方案予以實現：

2、一種基于知識圖譜的藥物關系抽取方法，其特征在于，包括以下步驟：

步驟S1：數據預處理

將原始的藥物數據集進行處理，并按以下三種規則進行：

規則1：一個實例中是否包含相同藥物名；

規則2：兩種藥物之間是否有一個藥物為另一個藥物的子類；

規則3：兩種藥物之間是否存在關鍵路徑；

根據上述三種規則去除掉負例數據實例，得到預處理后的數據集；

步驟S2：語義特征表示

所得到預處理后的數據集，將這些數據實例，依次送入PubmedBERT中獲取語義特征，同時使用注意力機制來獲取每個實例的語義特征，這些語義特征是考慮了不同語法特征的綜合語義特征；