[发明专利]基于外部知识的药物相互作用关系抽取方法及系统

说明书

本发明提供一种基于外部知识的药物相互作用关系抽取方法及系统，方法包括以下步骤：对药物数据库内容进行分析处理，抽取并生成相互作用的药物对，同时保存所有药物描述信息，形成带有药物描述信息的药物相互作用数据集；构建药物描述系信息训练模型，并通过所述药物相互作用数据集进行训练，得到并保存最优模型；将所述最优模型与BiLSTM‑Att‑CapsNet模型相结合得到EK‑BiLSTM‑Att‑CapsNet模型，同时识别药物相互作用数据集的药物实体，在药物数据库中找寻对应药物描述信息并保存，最后对结合的模型进行训练得到最终关系抽取模型。该方法能缓解不同关系类别抽取结果差异较大的问题，提高抽取效果。

技术领域

本发明属于自然语言处理技术领域，具体涉及一种基于外部知识的药物相互作用关系抽取方法。

背景技术

药物-药物相互作用(Drug-Drug Interactions，DDI)是指当患者同时服用多种药物时，不同药物之间所产生的协同或拮抗等作用，由此可能会产生副作用，导致治疗费用增加且对患者的生命安全造成威胁，因此了解药物之间的相互作用知识对于患者的诊治和医学的发展有着非常重要的意义与价值。

目前在药物相互作用关系抽取领域应用方法主要有：基于规则的方法，基于传统机器学习的方法以及基于深度学习的方法。基于规则的方法，其规则的制定一般需要医学领域中专业人员的辅助，由于语言表达形式的多样性，制定的规则往往难以覆盖所有的药物相互作用关系，因此该方法的召回率较低；基于传统机器学习的方法，通常需要利用大量人工定义特征，如词性，句法，语法等特征,且需要利用外部自然语言处理工具生成这些特征，如词性标注器，句法分析器等工具，因此其抽取性能受外部自然语言处理工具的影响较大；基于深度学习的方法具有自动学习特征的能力，可以减少人工设计特征所耗费的代价且抽取效果一般比传统的方法好，但同前两种方法类似，模型在不同关系类别上的抽取结果上会出现差异较大的问题。

发明内容

有鉴于此，本发明的目的之一在于提供一种基于外部知识的药物相互作用关系抽取方法，该方法能缓解不同关系类别抽取结果差异较大的问题，提高了抽取效果。

为实现上述目的，本发明的技术方案为：一种基于外部知识的药物相互作用关系抽取方法，包括以下步骤：

对药物数据库内容进行分析处理，抽取并生成相互作用的药物对，同时保存所有药物描述信息，形成带有药物描述信息的药物相互作用数据集；

构建药物描述系信息训练模型，并通过所述药物相互作用数据集进行训练，得到并保存最优模型；

将所述最优模型与BiLSTM-Att-CapsNet模型相结合得到EK-BiLSTM-Att-CapsNet模型，同时识别药物相互作用数据集的药物实体，在药物数据库中找寻对应药物描述信息并保存，最后对结合的模型进行训练得到最终关系抽取模型。

进一步地，所述构建药物描述系信息训练模型，并通过所述药物相互作用数据集进行训练，得到并保存最优模型的步骤，具体包括：

同一时间接收第一药物的描述信息、第二药物的描述信息；

将第一药物的描述信息、第二药物的描述信息转换为向量表示；

分别获取第一药物与第二药物描述语句的前向信息和后向信息，然后将二者相结合，作为句子表示；

对句子表示进行线性变换，然后进行性归一化处理，选取类别概率最大的作为预测类别标签；

利用损失函数代入药物相互作用数据集训练，得到最优模型。

进一步地，得到句子表示的方法为：

BiLSTM获取语句的前向信息和后向信息，计算得到隐藏层的输出：