[发明专利]多任务序列标注的药物实体和相互作用联合抽取方法

说明书

本发明公开了一种多任务序列标注的药物实体和相互作用联合抽取方法，包括以下步骤：S1、数据预处理，包括通用数据预处理、药物实体识别序列标注数据集构建、药物相互作用抽取序列标注数据集构建、类别关键词词典获取；S2、药物命名实体识别；S3、药物相互作用抽取；S4、模型训练与损失函数。本发明将药物实体识别和相互作用抽取问题转化为一种两阶段序列标注任务，合理利用两个任务之间的相互联系和数据集已有的先验知识，将类别关键词的先验知识融入药物相互作用的抽取任务中，从大量的生物医学文献中快速高效地抽取药物实体和相互作用，是一种简单、通用、高效的标注模式。

技术领域

本法明涉及一种多任务序列标注的药物实体和相互作用联合抽取方法。

背景技术

药物相互作用(Drug-Drug Interactions,DDI)是指当两种药物同时使用时，一种药物对另外一种药物产生的正面或者负面的影响。当两种或多种药物被同时使用时，某种已知药物可能会因为个体曾使用过另一特定药物而产生变化，这种变化可能会改变已知药物的安全性和药效，甚至产生严重的负面作用。因此对于医学里能与的相关工作者和研究者而言，药物相互作用的信息是十分重要的，缺乏对药物相互作用的相关知识的了解可能会在临床医学中造成对病患的病情延误甚至导致严重的医疗事故。充分获取和了解药物相互作用的信息对于降低医疗成本和避免医疗事故有着重要意义。

发明专利申请“基于残差网络和注意力机制的药物关系抽取方法‘CN108491680A’”中，使用了两层双向的长短时记忆网络模型对输入的药物关系陈述语句进行时序建模，挖掘药物关系描述中长距离单词间的依赖关系，并克服训练模型时出现的“梯度弥散”问题；将残差连接引入到构建的神经网络中，动态构建不同深度和结构的网络模型，并在以上基础上融入了注意力机制，完成单词信息的权重计算，最后将反映药物关系描述的记忆信息和反映单词权重的注意力信息进行融合并输入到Softmax分类器进行药物关系的抽取。

论文《基于神经网络的药物实体与关系联合抽取》(计算机研究与发展2019 56(7))在药物实体与关系抽取问题上提出了一种新的标注策略，将药物实体及关系的联合抽取转化为端到端的序列标注任务，使用词向量和字符向量作为词表示输入，使用BiLSTM-CRF作为编码模型，在实验结果上优于传统的分阶段方法。

对药物实体和相互作用抽取问题，传统的方法都是分阶段进行，即先进行药物实体抽取，再进行药物相互作用分类，这些方法存在的主要问题：1)两个任务之间存在误差传递问题，即药物关系的预测结果将严重依赖外部工具对于药物实体的识别结果。2)没有利用药物实体识别和相互作用抽取之间存在的相互关联信息。

现有基于序列标注的药物实体和关系抽取方法则存在以下不足：1)标注策略过于复杂，每个标注标签需要同时表示出实体、关系、位置等信息，给模型的学习带来困难；2)由于标注模式和匹配规则的设计限制，少数药物三元组无法被提取。

发明内容

本发明的目的在于克服现有技术的不足，提供一种将药物实体识别和相互作用抽取问题转化为一种两阶段序列标注任务，合理利用两个任务之间的相互联系和数据集已有的先验知识，将类别关键词的先验知识融入药物相互作用的抽取任务中，从大量的生物医学文献中快速高效地抽取药物实体和相互作用，简单、通用、高效的标注模式的多任务序列标注的药物实体和相互作用联合抽取方法。

本发明的目的是通过以下技术方案来实现的：多任务序列标注的药物实体和相互作用联合抽取方法，包括以下步骤：

S1、数据预处理，包括通用数据预处理、药物实体识别序列标注数据集构建、药物相互作用抽取序列标注数据集构建、类别关键词词典获取；

S2、药物命名实体识别；

S3、药物相互作用抽取；

S4、模型训练与损失函数。

进一步地，所述步骤S1具体实现方法为：