药物关系提取方法、装置、设备及存储介质制造方法及图纸

本发明专利技术涉及数据处理领域，公开了一种药物关系提取方法、装置、设备及存储介质，用于解决现有技术提取到的药物关系准确度不足的技术问题。该方法包括：提取待提取文献中至少包含两种药物实体的目标语句；将目标语句输入预置第一特征提取模型中进行文本特征提取，得到药物实体相关的第一特征向量；提取预先建立的药物信息库中的现有药物信息文本并建立现有药物关系图，将现有药物关系图输入预置的第二特征提取模型进行特征提取，得到第二特征向量；基于第一特征向量与第二特征向量组合得到的组合特征向量提取出待提取文献中包含的药物促进关系。此外，本发明专利技术还涉及区块链技术，药物关系提取任务的相关信息可存储于区块链中。关系提取任务的相关信息可存储于区块链中。关系提取任务的相关信息可存储于区块链中。

【技术实现步骤摘要】
药物关系提取方法、装置、设备及存储介质


[0001]本专利技术涉及数据处理领域，尤其涉及一种药物关系提取方法、装置、设备及存储介质。

技术介绍

[0002]在医疗领域中，往往不同的药物不能简单地交互使用，某些药物的简单叠加使用会造成巨大的后果，例如，阿司匹林与阿贝地洛联合使用可能会增加高血压的风险；而有些药物之间可以相互促进，两种不同药物的同时使用可能会起到更好的治疗效果。
[0003]目前，医疗人员在进行药物的联合使用过程中，主要是通过查询历史使用信息以及历史的药物促进关系来确定药物的使用，但是这仅靠手动查阅医学文献的方法费时费力，并且这样的方法得到的药物关系也不够准确，从而大大减缓了研究发现到临床应用的速度。

技术实现思路

[0004]本专利技术的主要目的在于解决现有技术提取到的药物关系准确度不足的技术问题。
[0005]本专利技术第一方面提供了一种药物关系提取方法，包括：
[0006]提取待提取文献中的目标语句，其中，所述目标语句为至少包含两种药物实体的语句；
[0007]将所述目标语句输入本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种药物关系提取方法，其特征在于，所述药物关系提取方法包括：提取待提取文献中的目标语句，其中，所述目标语句为至少包含两种药物实体的语句；将所述目标语句输入预置的第一特征提取模型中进行文本特征提取，得到所述目标语句中药物实体相关的第一特征向量；提取预先建立的药物信息库中的现有药物信息文本，基于所述现有药物信息文本建立现有药物关系图；将所述现有药物关系图输入预置的第二特征提取模型进行特征提取，得到现有药物信息相关的第二特征向量；将所述第一特征向量与所述第二特征向量进行组合，得到组合特征向量，基于所述组合特征向量提取出所述待提取文献中包含的药物促进关系。2.根据权利要求1所述的药物关系提取方法，其特征在于，所述提取待提取文献中的目标语句包括：调用文字提取算法对待提取的文献中的文字进行识别提取，得到所述待提取文献的文本数据；将所述文本数据输入预先基于深度学习算法建立的实体提取模型中进行识别，得到所述文本数据中的药物实体词语；查找出至少包含两种所述药物实体词语的语句并保存，得到待提取文献中的目标语句。3.根据权利要求2所述的药物关系提取方法，其特征在于，所述实体提取模型包括卷积神经网络层、双向长短期记忆网络层和条件随机场层，所述将所述文本数据输入预先基于深度学习算法建立的实体提取模型中进行识别，得到所述文本数据中的药物实体词语包括：将所述文本数据输入卷积神经网络层中对所述文本数据中的词语进行编码，得到词语编码信息；将所述词语编码信息输入双向长短期记忆网络层中，根据所述文本数据中每个词语的上下文信息，对所述文本数据中每个词语的词性进行识别，得到每个词语的词性标签概率；将所述每个词语的词性标签概率输入条件随机场层中进行优化，得到每个词语的标签优化概率；根据所述标签优化概率判断每个词语的最终标签，根据最终标签筛选得到所述文本数据中的药物实体词语。4.根据权利要求1所述的药物关系提取方法，其特征在于，所述第一特征提取模型包括向量嵌入层、卷积层和池化层，所述将所述目标语句输入预置的第一特征提取模型中进行文本特征提取，得到所述目标语句中药物实体相关的第一特征向量包括：将所述目标语句输入向量嵌入层中采用向量对目标语句中的词语进行标注，得到词语标注向量；将所述词语标注向量输入卷积层中进行特征提取，得到词语标注向量对应的特征向量矩阵；将所述特征向量矩阵输入池化层提取所述特征向量矩阵中的最大特征，得到第一特征向量。
5.根据权利要求1所述的药物关系提取方法，其特征在于，所述第二特征提取模型中包括采样层...

【专利技术属性】
技术研发人员：付桂振，顾大中，徐任翔，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：