检索规则说明:AND代表“并且”;OR代表“或者”;NOT代表“不包含”;(注意必须大写,运算符两边需空一格)
检 索 范 例 :范例一: (K=图书馆学 OR K=情报学) AND A=范并思 范例二:J=计算机应用与软件 AND (U=C++ OR U=Basic) NOT M=Visual
机构地区:[1]大连理工大学信息检索实验室,辽宁大连116024
出 处:《中文信息学报》2017年第5期194-202,共9页Journal of Chinese Information Processing
基 金:国家自然科学基金(61572102;61632011;61772103);中央高校基本科研业务费(DUT16ZD216)
摘 要:随着互联网的发展,社交网络中积累了大量的医疗健康领域的文本数据。该文利用基于信息熵的方法,从健康社交网络中的用药者评论数据中识别药物的潜在不良反应;同时,对于潜在药物不良反应,该文提出了基于Word2vec和Skip-gram模型的蛋白质关联紧密度函数,尽最大努力发现药物引起其"潜在"不良反应的证据链。实验证明,该方法用来寻求潜在药物不良反应证据链是有效的。With the development of the Internet,social networks have accumulated large amounts of text data about health care.This paper presents an information entropy based method to recognize potential adverse drug reactions from user comments in health related social networks.Meanwhile,to recognize the potential adverse drug reactions,this paper proposes a protein association function based on Word2 vec and Skip-gram.Following this functions,this paper tries to detect the evidences between drugs and their potential adverse drug reactions.The results show that this method is promising in providing evidence chain for potential adverse drug reactions.
关 键 词:社交网络 药物不良反应 信息熵 Word2vec Skip-gram
分 类 号:TP391[自动化与计算机技术—计算机应用技术]
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在链接到云南高校图书馆文献保障联盟下载...
云南高校图书馆联盟文献共享服务平台 版权所有©
您的IP:216.73.216.38