[发明专利]一种基于社交媒体数据分析的药物潜在副作用挖掘方法

权利要求书

1.一种基于社交媒体数据分析的药物潜在副作用挖掘方法，其特征在于，所述方法包括：

获取社交媒体的药物评论数据并对所述药物评论数据进行数据预处理，得到药物评论预处理数据，再基于经过训练的BERT语言模型识别所述药物评论预处理数据的药物副作用实体；其中，所述药物副作用实体用于表征药物副作用的实际描述；

基于排序的实体标准化方式将所述药物副作用实体映射到标准副作用概念词典，得到初始药物副作用概念；其中，所述标准副作用概念词典为所述药物副作用实体与所述初始药物副作用概念的映射关系；所述初始药物副作用概念用于表征药物副作用的名词；

根据所述初始药物副作用概念和官方报告药物副作用概念，得到潜在药物副作用概念；其中，所述官方报告药物副作用概念用于表征权威机构公开过的药物副作用的名词。

2.根据权利要求1所述的基于社交媒体数据分析的药物潜在副作用挖掘方法，其特征在于，所述获取社交媒体的药物评论数据并对所述药物评论数据进行数据预处理，得到药物评论预处理数据包括：

获取社交媒体的药物评论数据；

对所述药物评论数据进行数据清洗、句子边界检测和分词的数据预处理，得到药物评论预处理数据。

3.根据权利要求1所述的基于社交媒体数据分析的药物潜在副作用挖掘方法，其特征在于，所述基于经过训练的BERT语言模型识别所述药物评论预处理数据的药物副作用实体包括：

将所述药物评论预处理数据输入到经过训练的BERT语言模型，得到药物副作用实体。

4.根据权利要求3所述的基于社交媒体数据分析的药物潜在副作用挖掘方法，其特征在于，所述BERT语言模型的训练过程具体为:

根据药物副作用实体构建机器阅读理解问题；

获取训练实例三元组序列，其中，所述实例三元组序列包括question序列，answer序列，context序列；

将question序列和context序列进行拼接并输入至预设的语义理解模型，使用所述预设的语义理解模型的self-attention机制对question序列和context序列进行交互，输出所述药物副作用实体的开始位置概率和结束位置概率；

根据所述开始位置概率和所述结束位置概率，确定所述药物副作用实体的交叉熵损失函数；

根据所述交叉熵损失函数对所述预设的语义理解模型进行训练，得到训练好的BERT语言模型。

5.根据权利要求4所述的基于社交媒体数据分析的药物潜在副作用挖掘方法，其特征在于，所述self-attention机制的作用具体为：

对句子中的当前词和所述句子中除去所述当前词后的剩余词之间的相关性进行建模。

6.根据权利要求4所述的基于社交媒体数据分析的药物潜在副作用挖掘方法，其特征在于，所述根据所述开始位置概率和所述结束位置概率，确定所述药物副作用实体的交叉熵损失函数包括：

根据所述开始位置概率，计算所述药物副作用实体的开始位置损失函数；

根据所述结束位置概率，计算所述药物副作用实体的结束位置损失函数；

将所述开始位置损失函数加上所述结束位置损失函数，得到所述药物副作用实体的交叉熵损失函数。

7.根据权利要求1所述的基于社交媒体数据分析的药物潜在副作用挖掘方法，其特征在于，所述基于排序的实体标准化方式将所述药物副作用实体映射到标准副作用概念词典，得到初始药物副作用概念包括：

在候选生成阶段，根据统计的文本相似度算法和标准副作用概念词典，得到所述药物副作用实体对应的若干候选标准副作用概念；

在候选排序阶段，根据BERT的文本匹配算法得到药物副作用实体和候选标准副作用概念的相似度分值；

将相似度分值最高的候选标准副作用概念作为初始药物副作用概念。