文献类型：期刊文章

作　　者：朱笑笑[1] 杨尊琦[1] 刘婧[1]

Xiaoxiao Zhu;Zunqi Yang;Jing Liu(Department of Management Information System,Tianjin University of Finance and Economics,Tianjin 300222,China)

机构地区：[1]天津财经大学管理信息系统系,天津300222

出　　处：《数据分析与知识发现》

基　　金：国家自然科学基金青年基金项目"基于文本挖掘的社会媒体药品不良反应抽取研究"(项目编号:71701142);天津财经大学本科生科研训练计划"基于互联网数据的"药品百事通"决策支持系统研究"(项目编号:SRT201799)的研究成果之一

年　　份：2019

卷　　号：3

期　　号：2

起止页码：90-97

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD_E2019_2020、CSSCI、CSSCI2019_2020、NSSD、RCCSE、RWSKHX、ZGKJHX、核心刊

摘　　要：【目的】提出处理社会媒体上不规范文本的方法,以提高社会媒体中药品不良反应抽取效果。【方法】基于TensorFlow深度学习框架,将LSTM和CRF结合,借助LSTM能利用上下文信息的特性,通过CRF层考虑输出标记的依赖关系,构建基于Bi-LSTM和CRF的药品不良反应抽取模型。【结果】在Twitter数据集上开展系列实验,结果表明与传统CRF、前向LSTM、后向LSTM和Bi-LSTM相比,Bi-LSTM-CRF可以取得最高的F-measure值(0.7963)。【局限】实验数据源相对单一,未来可以在多个数据源上验证Bi-LSTM-CRF方法的有效性。【结论】结合LSTM和CRF能够有效处理社会媒体上不规范文本,所构建的模型可较好识别不良反应实体,辅助相关部门进行决策。

关 键 词：社会媒体 药品不良反应 CRF LSTM  

分 类 号：TP391]