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。

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