基于Bi-LSTM和CRF的药品不良反应抽取模型构建

摘要：

[目的]提出处理社会媒体上不规范文本的方法,以提高社会媒体中药品不良反应抽取效果.[方法]基于TensorFlow深度学习框架,将LSTM和CRF结合,借助LSTM能利用上下文信息的特性,通过CRF层考虑输出标记的依赖关系,构建基于Bi-LSTM和CRF的药品不良反应抽取模型.[结果]在Twitter数据集上开展系列实验,结果表明与传统CRF、前向LSTM、后向LSTM和Bi-LSTM相比,Bi-LSTM-CRF可以取得最高的F-measure值(0.7963).[局限]实验数据源相对单一,未来可以在多个数据源上验证Bi-LSTM-CRF方法的有效性.[结论]结合LSTM和CRF能够有效处理社会媒体上不规范文本,所构建的模型可较好识别不良反应实体,辅助相关部门进行决策.

关键词：社会媒体、药品不良反应、CRF、LSTM

所属期刊栏目：3

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金青年基金项目“基于文本挖掘的社会媒体药品不良反应抽取研究”71701142;天津财经大学本科生科研训练计划“基于互联网数据的“药品百事通”决策支持系统研究”项目SRT201799的研究成果之一

在线出版日期：2019-05-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：90-97