欢迎来到天天文库
浏览记录
ID:37044902
大小:1.51 MB
页数:65页
时间:2019-05-17
《基于社交媒体的药物副作用识别》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、硕士学位论文基于社交媒体的药物副作用识别ADVERSEDRUGREACTIONSRECOGNITIONBASEDONSOCIALMEDIA胡江鹭哈尔滨工业大学2017年12月国内图书分类号:TP391.3学校代码:10213国际图书分类号:004.9密级:公开工学硕士学位论文基于社交媒体的药物副作用识别硕士研究生:胡江鹭导师:陈清财教授申请学位:工学硕士学科:计算机科学与技术所在单位:深圳研究生院答辩日期:2017年12月授予学位单位:哈尔滨工业大学ClassifiedIndex:TP391.3UDC:004.9Adissertationsubmittedinpart
2、ialfulfillmentoftherequirementsfortheacademicdegreeofMasterofEngineeringADVERSEDRUGREACTIONSRECOGNITIONBASEDONSOCIALMEDIACandidate:JiangluHuSupervisor:Prof.QingcaiChenAcademicDegreeAppliedfor:MasterofEngineeringSpeciality:ComputerScienceandTechnologyAffiliation:ShenzhenGraduateSchoolDat
3、eofDefence:December,2017Degree-Conferring-Institution:HarbinInstituteofTechnology哈尔滨工业大学工学硕士学位论文摘要随着人们生活水平和生活质量的提高,医疗健康问题被越来越多的人所重视,药物的安全性就是其中一个方面。因为服用药物而导致不良反应发生的事件屡见不鲜,有些甚至会危及生命,因此药物副作用正长期受到人们的广泛关注。随着互联网的普及,许许多多的医疗健康类网站应运而生,通过这些社交媒体网站人们可以分享自己的用药经历,交流用药体验。用户生成的信息中蕴含着非常丰富的药物相关知识,逐渐成为药物副
4、作用挖掘的一种快捷、有效渠道。药物副作用识别是一种特殊的实体识别任务。药物副作用与传统的实体相比,它既包含了由连续字/词组成的实体(称为“连续实体”),又包含了由非连续字/词片段组成的实体(称为“非连续实体”)。就社交媒体中的药物副作用识别而言,本文一方面对实体标注方法进行了研究,采用了能同时表示连续和非连续药物副作用的方法,另一方面针对社交媒体主题明确和药物副作用领域性强的特点,提出了基于条件随机场和基于深度学习的药物副作用识别方法,并通过实验来验证了所提出方法的有效性。本文采用了两种能够同时表示连续和非连续药物副作用的方法:BIOHD和Multi-label,在条
5、件随机场和双向LSTM-CRF模型架构下对社交媒体中的药物副作用进行识别。通过融合与社交媒体主题明确特性相结合的主题特征和与药物副作用领域性强相结合的知识库特征,来提高药物副作用识别性能。本文在一个公开的社交媒体相关的药物副作用语料上对所研究方法的有效性进行了验证。实验结果表明,对于社交媒体中药物副作用实体标注方法,Multi-label要优于BIOHD。本文所研究的双向LSTM-CRF深度学习方法在社交媒体中药物副作用识别上的性能要优于条件随机场方法。同时,在双向LSTM-CRF深度学习方法基础上融合的主题和知识库特征对模型性能起到了显著提升的效果。关键词:社交媒体
6、;药物副作用识别;条件随机场;长短时记忆网络-I-哈尔滨工业大学工学硕士学位论文AbstractAlongwiththepeoplelivingstandardimprovement,medicalandhealthproblemshavebeenpaidmoreandmoreattentionbypeople,thesafetyofdrugsisoneofthem.Anumberofadversereactionscausedbytakingdrugsoccurfrequently,eventhreatenlifeinseriousconditions,sothea
7、dversedrugreactionshavebeenwidelyconcerned.WiththepopularizationoftheInternet,manywebsitesconcernedaboutmedicalandhealthhavecomeintobeing.Peoplecanshareandexchangemedicalexperiencesonthesesocialmediawebsites.Usergeneratedinformationcontainsawealthofdrug-relatedknowledge,therefo
此文档下载收益归作者所有