申请/专利权人：广东外语外贸大学

申请日：2023-12-26

公开（公告）日：2024-03-22

公开（公告）号：CN117744657A

主分类号：G06F40/295

分类号：G06F40/295;G06F40/30;G06N5/025;G06F18/214;G06F18/25;G06F18/213;G06N3/042;G06N3/0464;G06N3/045

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.09#实质审查的生效;2024.03.22#公开

摘要：本发明公开了一种基于神经网络模型的药品不良事件检测方法及系统，涉及自然语言处理和文本挖掘技术领域，采用了多层方法，包括预训练语言模型BioBERT、树结构的神经网络模型Tree‑Transformer和自定义多头注意力机制，并结合了词性标注矩阵和依存关系矩阵，增强模型对药物不良反应的理解，使其具有多功能性和强健性，能够有效捕获更复杂的语言模式，显著提高了药物不良反应检测的准确性和鲁棒性。

主权项：1.一种基于神经网络模型的药品不良事件检测方法，其特征在于，包括以下步骤：S1：采集待检测的生物医学文本，并进行预处理，获得词性标签矩阵、依存关系矩阵和实体跨度信息；S2：使用预训练语言模型对所述生物医学文本和所述实体跨度信息进行词嵌入，获得隐层表示和编码跨度向量；并初始化树结构神经网络模型的权值；S3：根据所述词性标签矩阵、所述依存关系矩阵和所述隐层表示，利用所述树结构神经网络模型的注意力机制和自定义多头注意力机制，获得输出特征表示和句法树；S4：通过所述预训练语言模型和所述树结构神经网络模型的注意力机制根据所述句法树生成句法结构信息，并使用图卷积神经网络获得树结构特征表示，根据所述编码跨度向量和所述输出特征表示获得实体特征表示；S5：根据所述输出特征表示、所述实体特征表示和所述树结构特征表示预测实体和关系，输出实体关系联合检测结果。

全文数据：

权利要求：

百度查询： 广东外语外贸大学 一种基于神经网络模型的药品不良事件检测方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD