申请/专利权人:南京航空航天大学
申请日:2023-12-14
公开(公告)日:2024-04-12
公开(公告)号:CN117877756A
主分类号:G16H70/40
分类号:G16H70/40;G16H50/70;G06F16/35;G06F40/284;G06N3/045
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.30#实质审查的生效;2024.04.12#公开
摘要:本发明公开了一种基于对比学习的药物不良反应检测方法,针对社交媒体数据中获取的药物不良反应信息,利用生物医学文本挖掘方法从中挖掘出有价值的信息,得到结构化数据;以词为细粒度利用Word2Vector方法预训练单词得到词向量作为初始值,同时将医学词典中得到外部知识引入词向量;采用深度学习中最先进的BERT算法对词向量进行编码,得到文本的隐层表示;利用混合对比学习方法优化融合特征表示,结合无监督对比学习UCL和有监督对比学习SCL的损失函数,设计新的损失函数对模型进行训练,提高模型的鲁棒性;最后利用Softmax函数预测存在药物不良反应的可能性,实现对药物不良反应的检测。
主权项:1.一种基于对比学习的药物不良反应检测方法,其特征在于,包括以下步骤:S1.从社交媒体数据中获取药物不良反应信息,利用生物医学文本挖掘方法从中挖掘出有价值的信息,得到结构化数据和关键词;S2.以词为细粒度利用Word2vec方法训练单词得到词向量,训练关键词得到关键词向量,将词向量与关键词向量进行维度对齐后,加权求和进行融合;S3.采用深度学习中最先进的BERT算法对词向量进行编码,得到文本的隐层表示;S4.利用混合对比学习方法优化融合特征表示,结合无监督对比学习UCL和有监督对比学习SCL的损失函数,设计新的损失函数对模型进行训练,提高模型的鲁棒性;S5.最后利用Softmax函数预测存在药物不良反应的可能性,实现对药物不良反应的检测。
全文数据:
权利要求:
百度查询: 南京航空航天大学 一种基于对比学习的药物不良反应检测方法
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。