基于文本挖掘的藥品不良反應(yīng)知識發(fā)現(xiàn)

定　價(jià)：￥66.00

作　者：	劉婧、趙嵩正
出版社：	知識產(chǎn)權(quán)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購買這本書可以去

當(dāng)當(dāng)網(wǎng) (￥55.70)

ISBN：	9787513081917	出版時(shí)間：	2023-06-01	包裝：	平裝-膠訂
開本：	16開	頁數(shù)：		字?jǐn)?shù)：

內(nèi)容簡介

　　本書凝練了作者近七年來的研究成果，融合了國家自然科學(xué)基金項(xiàng)目和博士后科學(xué)基金面上項(xiàng)目（一等）的相關(guān)研究成果。基于設(shè)計(jì)科學(xué)、文本挖掘、信息抽取和機(jī)器學(xué)習(xí)等理論和方法，搭建了數(shù)據(jù)驅(qū)動(dòng)的社交媒體中藥品不良反應(yīng)知識發(fā)現(xiàn)框架。在應(yīng)用層面，從非結(jié)構(gòu)化的文本數(shù)據(jù)中最終提取出潛在的（藥品-不良反應(yīng)）知識，首先從社會(huì)媒體平臺上海量數(shù)據(jù)中過濾掉了不包含不良反應(yīng)信息的不相關(guān)文本，然后從非結(jié)構(gòu)化文本中提取了疾病癥狀等實(shí)體，最后區(qū)分了藥品和提取的疾病癥狀等實(shí)體間的關(guān)系類型（如藥品不良反應(yīng)還是藥品適應(yīng)癥）。在方法層面，針對數(shù)據(jù)非均衡、高維、不規(guī)范、標(biāo)注難且成本高的特點(diǎn)，從特征和算法兩個(gè)角度，提出了一系列改進(jìn)的文本分類、實(shí)體識別和關(guān)系抽取方法。

作者簡介

　　劉婧，天津財(cái)經(jīng)大學(xué)管理信息系統(tǒng)系教師，西北工業(yè)大學(xué)博士，長期從事數(shù)據(jù)驅(qū)動(dòng)的決策支持研究，研究方向?yàn)槲谋就诰蚝椭腔坩t(yī)療。主持國家自然科學(xué)基金青年項(xiàng)目1項(xiàng)，主持中國博士后科學(xué)基金面上項(xiàng)目（一等）1項(xiàng)，參與國家級及省部級研究項(xiàng)目3項(xiàng)；發(fā)表高水平學(xué)術(shù)論文10余篇，參與編寫教材2部；入選天津市高校“青年后備人才支持計(jì)劃”，入選天津市“131”創(chuàng)新型人才培養(yǎng)工程第三層次。

圖書目錄

目錄
第1章緒論001
1.1 研究背景與意義 / 001
1.2 國內(nèi)外研究現(xiàn)狀 / 003
1.2.1 社會(huì)媒體環(huán)境下藥品不良反應(yīng)知識發(fā)現(xiàn)研究 / 003
1.2.2 文本挖掘相關(guān)研究 / 007
1.2.3 研究述評 / 017
1.3 研究內(nèi)容與創(chuàng)新點(diǎn) / 018
1.3.1 研究內(nèi)容 / 018
1.3.2 創(chuàng)新性 / 021
1.4 研究方法 / 022
第2章藥品不良反應(yīng)相關(guān)文本識別023
2.1 基于層次注意力的多文檔表征融合模型 / 023
2.1.1 基于深度學(xué)習(xí)的深層文本表征 / 025
2.1.2 考慮外部領(lǐng)域知識的特征工程 / 028
2.1.3 層次注意力機(jī)制 / 030
2.1.4 實(shí)驗(yàn)設(shè)置 / 032
2.1.5 實(shí)驗(yàn)結(jié)果與分析 / 033
2.2 基于多視圖主動(dòng)學(xué)習(xí)的藥品不良反應(yīng)相關(guān)文本識別模型 / 036
2.2.1 基于多視圖主動(dòng)學(xué)習(xí)的藥品不良反應(yīng)相關(guān)文本識別框架 / 037
2.2.2 基于多文檔表征的多視圖生成機(jī)制 / 039
2.2.3 樣本選擇策略 / 041
2.2.4 MVAL4D的偽代碼 / 044
2.2.5 實(shí)驗(yàn)設(shè)置 / 046
2.2.6 實(shí)驗(yàn)結(jié)果與分析 / 048
2.3 小結(jié) / 052
第3章藥品不良反應(yīng)命名實(shí)體識別054
3.1 基于傳統(tǒng)CRF的藥品不良反應(yīng)實(shí)體識別模型構(gòu)建 / 054
3.1.1 條件隨機(jī)場 / 054
3.1.2 特征提取 / 055
3.2 基于Bi-LSTM-CRF的藥品不良反應(yīng)實(shí)體識別模型構(gòu)建 / 056
3.3 實(shí)驗(yàn)設(shè)置 / 058
3.3.1 數(shù)據(jù)集 / 058
3.3.2 實(shí)驗(yàn)過程 / 059
3.3.3 評價(jià)指標(biāo) / 059
3.4 實(shí)驗(yàn)結(jié)果與分析 / 059
3.5 小結(jié) / 062
第4章基于組合學(xué)習(xí)的藥品不良反應(yīng)關(guān)系抽取063
4.1 基于特征的藥品不良反應(yīng)關(guān)系抽取 / 063
4.1.1 特征提取 / 063
4.1.2 特征選擇 / 069
4.1.3 實(shí)驗(yàn)設(shè)置 / 071
4.1.4 實(shí)驗(yàn)結(jié)果與分析 / 074
4.2 基于核方法的藥品不良反應(yīng)關(guān)系抽取 / 078
4.2.1 典型核 / 079
4.2.2 實(shí)驗(yàn)設(shè)置 / 086
4.2.3 實(shí)驗(yàn)結(jié)果與分析 / 086
4.3 基于組合學(xué)習(xí)的藥品不良反應(yīng)關(guān)系抽取集成框架 / 088
4.3.1 基分類器融合方法 / 088
4.3.2 實(shí)驗(yàn)設(shè)置 / 092
4.3.3 實(shí)驗(yàn)結(jié)果與分析 / 093
4.4 基于詞匯語義相似度和詞性分析的POS-SSDP核方法 / 096
4.4.1 對基于核的關(guān)系抽取方法進(jìn)行改進(jìn)的必要性 / 096
4.4.2 詞匯語義相似度 / 099
4.4.3 POS-SSDP：嵌入詞匯語義信息和詞性分析的最短依賴路徑核 / 103
4.4.4 實(shí)驗(yàn)設(shè)置 / 104
4.4.5 實(shí)驗(yàn)結(jié)果與分析 / 106
4.5 小結(jié) / 111
第5章基于半監(jiān)督學(xué)習(xí)和集成學(xué)習(xí)的藥品不良反應(yīng)關(guān)系抽取112
5.1 基于半監(jiān)督集成學(xué)習(xí)的藥品不良反應(yīng)關(guān)系抽取 / 112
5.1.1 半監(jiān)督學(xué)習(xí) / 112
5.1.2 集成學(xué)習(xí) / 115
5.1.3 Co-Ensemble方法 / 118
5.1.4 實(shí)驗(yàn)設(shè)置 / 121
5.1.5 實(shí)驗(yàn)結(jié)果與分析 / 123
5.2 基于改進(jìn)隨機(jī)子空間的藥品不良反應(yīng)關(guān)系抽取 / 131
5.2.1 隨機(jī)子空間相關(guān)工作 / 131
5.2.2 基于分層采樣的隨機(jī)子空間方法 / 132
5.2.3 使用的特征 / 135
5.2.4 實(shí)驗(yàn)設(shè)置 / 136
5.2.5 實(shí)驗(yàn)結(jié)果與分析 / 137
5.3 基于改進(jìn)半監(jiān)督學(xué)習(xí)的藥品不良反應(yīng)關(guān)系抽取 / 143
5.3.1 使用Lasso改進(jìn)基于分歧的半監(jiān)督學(xué)習(xí) / 144
5.3.2 實(shí)驗(yàn)結(jié)果與分析 / 147
5.4 小結(jié) / 150
參考文獻(xiàn)152