[发明专利]药性认知信息抽取方法、装置、设备及存储介质

说明书

本发明涉及人工智能领域，公开了一种药性认知信息抽取方法、装置、设备及存储介质。所述药性认知信息抽取方法包括：获取药物文献数据，并对所述药物文献数据进行命名实体词抽取，得到所述药物文献数据中各药物对应的药物实体信息；获取由药物信息作为节点构成的药物关系图，并根据各节点的关联关系，对所述药物关系图进行向量化处理，得到多个节点向量；识别所述药物文献数据中各药物实体信息的语义特征，并根据所述语义特征对各所述节点向量进行药性认知判断，得到所述药物信息对应的药性认知信息。本发明能抽取药物文献中对不同药物的药性认知信息，并补充到现有的药物信息体系中对应的药物认知属性中，使药物信息体系更完善。

技术领域

本发明涉及人工智能领域，尤其涉及一种药性认知信息抽取方法、装置、设备及存储介质。

背景技术

随着大数据的发展，承载着药物信息的数据库已经囊括了大部分药物相关的信息，例如药物的成分、规格、用法用量、适应症、不良反应等。这些信息可随时查阅，为医生和学者提供了便利。

在实际的诊疗过程中，经验丰富的医生往往会积累自己对某些药物的实际药效相关的看法，他们通常还会把这些有参考价值的经验发表成文章，供他人学习。对于一些年轻医生或学者来说，这是需要付出一定的时间和临床实践才能得到的知识，非常宝贵。

现有的药物信息体系中并不包含权威医生或机构对药物的药性认知信息，而这些药性认知信息往往会为医生用药时提供一定的参考价值，若能使药物的药性认知信息能像药物的其它属性一样唾手可得，不但能使药物信息体系更完善，还能在医学界形成良好的知识体系，为患者带来更好的治疗效果。

发明内容

本发明的主要目的在于解决现有药物信息数据库缺乏药物药性的认知信息且药性认知信息抽取困难的技术问题。

本发明第一方面提供了一种药性认知信息抽取方法，包括：

获取药物文献数据，并对所述药物文献数据进行命名实体词抽取，得到所述药物文献数据中各药物对应的药物实体信息；

获取由药物信息作为节点构成的药物关系图，并根据各节点的关联关系，对所述药物关系图进行向量化处理，得到多个节点向量；

识别所述药物文献数据中各药物实体信息的语义特征，并根据所述语义特征对各所述节点向量进行药性认知判断，得到所述药物信息对应的药性认知信息。

可选的，在本发明第一方面的第一种实现方式中，所述获取药物文献数据，并对所述药物文献数据进行命名实体词抽取，得到所述药物文献数据中各药物对应的药物实体信息包括：

获取带药物主题词的药物文献数据，并将所述药物文献数据输入预置BERT药物向量模型进行向量化处理，得到多个药物句子向量；

将所述药物句子向量输入预置药物命名实体识别模型的CNNS层进行字符编码处理，得到药物句子中各词语的字符编码；

将各所述字符编码输入所述药物命名实体识别模型的第一双向LSTM层进行前向和后向的隐藏状态捕获，得到各字符编码对应的隐藏状态序列；

将所述隐藏状态序列输入所述药物命名实体识别模型的CRF层进行词性标签解码，得到所述药物文献数据中各药物句子的药物实体信息，所述药物实体信息包括药物实体词向量。

可选的，在本发明第一方面的第二种实现方式中，所述BERT药物向量模型的训练过程包括：

S1、初始化BERT模型，并将所述药物文献数据输入所述BERT模型；

S2、对所述药物文献数据中的句子进行向量化处理，得到多个目标药物句子向量；

S3、根据各所述目标药物句子向量，对所述BERT模型的参数进行微调，并计算所述BERT模型的交叉熵损失函数；