[发明专利]一种基于神经网络语言模型的药物潜在不良反应发现方法有效
| 申请号： | 201910039475.4 | 申请日： | 2019-01-16 |
| 公开（公告）号： | CN109767817B | 公开（公告）日： | 2023-05-30 |
| 发明（设计）人： | 王理;姜磊;施维;张远鹏 | 申请（专利权）人： | 南通大学 |
| 主分类号： | G16C20/50 | 分类号： | G16C20/50;G16C20/70;G06F16/31;G06F16/35 |
| 代理公司： | 南通创硕专利商标代理事务所(普通合伙) 32733 | 代理人： | 王肖林 |
| 地址： | 226500 *** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种基于神经网络语言模型的药物潜在不良反应发现方法，涉及药物潜在不良反应发现方法领域，包括以下步骤，数据获取及清洗；模型优化，修改原始的Skip‑gram算法，用于从FDA的AERS报告和DrugBank DDI数据集中进行特征提取；拓展相互作用库，选取5种不良反应大类：肾损伤、心脏毒性、肝毒性、血压异常和神经毒性，以这5种不良反应大类作为Logistic回归验证药物、不良反应向量的范围并在这5大类范围内拓展DrugBank药物相互作用库；Logistic回归验证向量效果，使用Scikit‑learn完成CM‑TF‑IDF模型构建及分布式向量生成。该基于神经网络语言模型的药物潜在不良反应发现方法，解决了现有的方法数据处理速度较慢，不适合处理大规模数据集，同时不能快速进行特征学习的问题。 | ||
| 搜索关键词： | 一种 基于 神经网络 语言 模型 药物 潜在 不良反应 发现 方法 | ||
【主权项】：
1.一种基于神经网络语言模型的药物潜在不良反应发现方法，其特征在于，包括以下步骤，(1)数据获取及清洗，首先，以XML格式存在AERS报告被抽取存储到7个独立的数据表中并加载到PostgreSQL数据库中，其次，使用患者年龄、性别、地市和案例日期字段组成样例表，2012年以前的AERS报告被称为LAERS数据，而2012年以后的AERS报告被称为FAERS数据，独立的键值表示在这两者中同时出现的案例，然后进行重复数据删除逻辑清洗重复数据；(2)模型优化，修改原始的Skip‑gram算法，用于从FDA的AERS报告和DrugBank DDI数据集中进行特征提取；(3)拓展相互作用库，选取5种不良反应大类：肾损伤、心脏毒性、肝毒性、血压异常和神经毒性，以这5种不良反应大类作为Logistic回归验证药物、不良反应向量的范围并在这5大类范围内拓展DrugBank药物相互作用库；(4)Logistic回归验证向量效果，使用Scikit‑learn完成CM‑TF‑IDF模型构建及分布式向量生成。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南通大学，未经南通大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910039475.4/，转载请声明来源钻瓜专利网。
