藥物不良事件風(fēng)險(xiǎn)等級(jí)智能評(píng)估預(yù)警仿真研究

摘要： 藥物不良事件信息往往以非結(jié)構(gòu)化自由文本的形式分散于多元數(shù)據(jù)源中,其語(yǔ)義表達(dá)具有高維稀疏性,難以捕捉其跨模態(tài)語(yǔ)義關(guān)聯(lián),導(dǎo)致關(guān)鍵信息提取的精確率失衡,進(jìn)而影響不良事件監(jiān)測(cè)預(yù)警的準(zhǔn)確性。研究提出基于知識(shí)圖譜與自然語(yǔ)言處理(Natural Language Processing,NLP)的藥物不良事件監(jiān)測(cè)預(yù)警方法。方法采用MEARank模型,整合NLP工具、預(yù)訓(xùn)練語(yǔ)言模型及定制化算法,... （共5頁(yè)）