(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210713228.X (22)申请日 2022.06.22 (71)申请人 开封市中心医院 地址 475003 河南省开封市顺河区河道街 85号 (72)发明人 刘洎　段宝民　束新辉　董文星　 孙鑫　赵普威　张会霞　 (74)专利代理 机构 西安通大专利代理有限责任 公司 6120 0 专利代理师 张宇鸽 (51)Int.Cl. G16H 70/40(2018.01) G16H 50/00(2018.01) G06F 16/36(2019.01) G06F 16/35(2019.01)G06F 40/216(2020.01) (54)发明名称 基于标签传播的药品不良反应挖掘方法、 系 统、 终端及 介质 (57)摘要 本发明公开了一种基于标签传播的药品不 良反应挖掘方法、 系统、 终端及介质， 包括： 获取 药品集M＝{m1， ...， mi， ...， mn}， 基于正则表达 式， 从药品mi对应的属 性列表中获取药品mi所属 类别的集合Ci； 基于药品集合Ci， 构建药品加权 形式的药品关系图； 对药品mi所对应的网络页 面， 基于正则表达式提取页面中的锚文本作为术 语集Ti； 基于术语集Ti中的术语ti， 建立包含隐 含主题特征、 频次特征、 距离 特征的特征向量； 基 于标签传播的 “不良反应 ”挖掘算法， 从术语集Ti 得到药品mi的“不良反应 ”候选集cADRi； 基于药 品关系图和标签传播从药品mi的“不良反应 ”候 选集cADRi挖掘得到“不良反应 ”集ADRi。 本发明 能在不需要人工标注数据的情况下， 挖掘出药品 的不良反应 。 权利要求书3页 说明书8页 附图1页 CN 115083623 A 2022.09.20 CN 115083623 A 1.基于标签传播的药品不良反应挖掘方法， 其特 征在于， 包括： 获取药品集M＝{m1， ...， mi， ...， mn}， 基于正则表 达式， 从药品mi对应的属性列表中获取 药品mi所属类别的集 合Ci； 基于药品集 合Ci， 构建药品加权形式的药品关系图； 对药品mi所对应的网络页面， 基于正则表达式提取页面中的锚文本作为 术语集Ti； 基于术语集Ti中的术语ti， 建立包 含隐含主题特 征、 频次特 征、 距离特 征的特征向量； 基于隐含主题特征、 频次特征和距离特征的特征向量， 构建基于支持向量机的 “不良反 应”识别算法， 从术语集Ti得到药品mi的“不良反应 ”候选集cADRi； 基于药品关系图和标签传播的 “不良反应 ”挖掘算法从药品mi的“不良反应 ”候选集 cADRi挖掘得到“不良反应 ”集ADRi。 2.根据权利要求1所述的基于标签传播的药品不良反应挖掘方法， 其特征在于， 所述基 于正则表达式， 从药品mi对应的属性列表中获取 药品mi所属类别的集 合Ci， 具体为： 基于正则表达式REI、 RE2从mi对应的Wikipedia页面底部的Categories列表中提取mi所 属类别的集 合Ci； 所述正则表达式RE1和RE2如下： RE1： normal‑catlinks″＞(.+)hid den‑catlinks RE2： <a href＝″([^″]+)″\s+title＝ ″[^″]+″>([^<]+)</a> 其中， RE1用于匹配出页面中文本段形式的Category列表， RE2用于从Category列表匹 配出药品所属的一组类别。 3.根据权利要求2所述的基于标签传播的药品不良反应挖掘方法， 其特征在于， 所述基 于药品集合Ci， 构建药品加权形式的药品关系图， 具体 为： 基于药品集合{Ci|i∈[1..n]}， 构 建加权图形式的药品关系图G＝(M， E， ψ )， 其中， 表示药品mi与mj属于至少一 个相同的类别， 是一个为E中每条边赋予权 重的函数。 4.根据权利要求3所述的基于标签传播的药品不良反应挖掘方法， 其特征在于， 所述基 于{Ci|mi∈M}构建药品关系图G＝(M， E， ψ )的步骤如下： 设 ψ(mi， mj)＝|Ci∩Cj|， 其中， mi， mj∈M且i≠j； 设E初始为 对于 且i≠j， 若 ψ(mi， mj)≠0， 则E ←E∪{eij}， 并将边eij的权重 设为 ψ(mi， mj)。 5.根据权利要求4所述的基于标签传播的药品不良反应挖掘方法， 其特征在于， 所述对 药品mi所对应的网络页面， 基于正则表达式提取页面中的锚文本作为 术语集Ti； 具体为： 对于药品mi， 从mi对应的Wikipedia页面， 利用正则表达式RE3提取页面中的锚文本作为 术语集Ti； RE3： <a href＝″([^″]+)″\s+title＝ ″([^″]+)″ 其中， RE3用于匹配出页面中的锚文本作为 术语。 6.根据权利要求5所述的基于标签传播的药品不良反应挖掘方法， 其特征在于， 所述基 于隐含主题特征、 频次特征和距离特征 的特征向量， 构建基于支持向量机的 “不良反应 ”识 别算法， 从术语集Ti得到药品mi的“不良反应 ”候选集cADRi； 具体为： 利用Wikip edia医学离线版的页 面集， 对无监督的隐含狄利克雷分布模型参数推断； 三权　利　要　求　书 1/3 页 2 CN 115083623 A 2个超参为： 隐含主题数k； “文档‑主题”分布参数α ＝(0.1， ...， 0.1， ...， 0.1)， 维度为10； “主 题‑词”分布参数β ＝(1/m， ...， 1/m， ...， 1/m)， 维度为 表示页面集PM中所有术 语的数量； 对于 利用LDA模型得到术语til的隐含主题特征LD Ail； 统计PM中包含术语til的页 面数nil， 术语til的频次特征 对于 统计术语til与Ti中其它术语的 平均距离作为距离特 征， 定义为： 其中， LP表示页面p的字节大小， dis(til， t， p)表示术语til与t在页面p中最近的字符间 隔， 若两者在页面中p没有同时出现， 则规定dis(til， t， p)＝LP； 拼接上述特征， 得到术语til的特征向量 为 拼接操作； 人工标注包含上述特征向量的若干个训练样本， 训练基于支持向量机的布尔型分类 器， 判别类别分别是 “不良反应 ”与“非不良反应 ”； 利用布尔型分类器， 对每个Ti生成对应的 “不良反应 ”候选集cADRi。 7.根据权利要求6所述的基于标签传播的药品不良反应挖掘方法， 其特征在于， 所述基 于药品关系图和标签传播的 “不良反应 ”挖掘算法从药品mi的“不良反应 ”候选集cADRi挖掘 得到“不良反应 ”集ADRi， 具体为： (1)根据药品关系图G＝(M， E， ψ )生成对应的邻接矩阵AG＝(aij)n×n， 其中， 其中， aij表示药品mi， mj∈M之间相似度； (2)根据Ti(i∈[1..n])对应的 “不良反应 ”候选集cADRi， 生成描述 “药品‑不良反应 ”双 模态数据的矩阵： R0＝(rih)n×q    (3) 其中， q＝|cADR|     (4) (3)设t＝0， 迭代执行以下过程， 直到||Rt+1‑Rt||F＜0.01， 输出R＝Rt+1， ||·||F为F‑范 数： 3.1， Rt+1＝AGRt； 通过邻接矩阵与双模矩阵相乘， 实现一次传播， 得到新的双模矩阵； 3.2， 将矩阵Rt+1的每一行 所有元素除以该 行的最大值， 实现Rt+1的归一化； 3.3， t←t+1； (4)对每个药品mi∈M， 根据R＝(rih)n×q生成的“不良反应 ”集ADRi， 执行如下过程：权　利　要　求　书 2/3 页 3 CN 115083623 A 3