一种药品相互作用关系抽取方法及系统技术方案

本发明专利技术提供一种药品相互作用关系抽取方法及系统，方法包括：将药品说明书输入训练后的机器学习模型中，识别出药品实体关系，所述机器学习模型是通过半监督学习训练的方式提取药品说明书中的特征文本信息建立的；将所述药品实体关系供药师和用户参考。本发明专利技术实施例提供的一种药品相互作用关系抽取方法及系统，采用半监督的学习方式，训练好机器学习模型，能够对药品说明书中出现的药品实体名称进行综合的判断，使结果更加的准确。

【技术实现步骤摘要】
一种药品相互作用关系抽取方法及系统
本专利技术涉及信息处理
，更具体地，涉及一种药品相互作用关系抽取方法及系统。
技术介绍
人民群众对自身健康的关注越来越大，无形中加重了各大药店的运转负荷，使药师对自身专业知识的要求越来越高。一般情况下，药师可以凭借自身专业知识给患者开出合适的药方，但由于时间和精力的局限性，并不能对每一种具体的药品商品完全了解，因而，其相对应的药品说明书便成为了药师对该药品如何用药的第一参考文本。但由于有的药品说明书里面的文字篇幅会有很多，药师可能很难在短时间内找出其有用的关键信息，而且药师在长时间精神高度集中看药品说明书的情况下，也十分容易引起视觉疲劳，继而加重了药师人工的负担，容易发生医疗事故。当前，随着我国医疗机构的卫生信息化建设日益完善，各类药品相关的信息都可以以电子版的形式进行查看，比如国家药品监督管理局上关于各类药品的详细描述、各种公开的药品网站等等都有十分详细的关于药品用药的相关的文本信息。这为药品大数据工作的展开提供了依据，可以合理的利用这些网络上公开的信息资源，为药师的用药参考进行自动化提供了一定的基础。但目前通用的抽取和处理文本信息技术，具有很大的局限性，并不适用于药品说明书中的文本信息的抽取，它具有以下不足：1、准确度不够，医疗领域是一个十分严谨的领域，对结果准确度的要求很高，它需要一个更加准确的模型来识别药品说明书中复杂的药品实体、疾病实体和食物名称实体等等之间的关系。2、对药品说明书中出现的庞杂的所有的实体及其关系(如：药物相互作用，适应症，禁忌症，注意事项等等)的识别提取没有很好地解决方案。3、采用纯命名实体识别的技术来对药品说明书中出现的各种实体名称(包括大量相互嵌套的实体名称)进行识别，缺少专业药师团队的配合，导致识别的准确度不够，也不符合实际需求，会出现很多问题。4、对说明书中的文本信息的划分细粒度不够，不满足药师实际工作的需求。5、对于正确识别后的数据缺少统一的管理形式，不能进行后续的数据利用，浪费了数据。因此，现在亟需一种新的药品相互作用关系抽取方法来解决上述问题。
技术实现思路
本专利技术提供一种克服上述问题或者至少部分地解决上述问题的一种药品相互作用关系抽取方法及系统，根据本专利技术提供的第一方面，本专利技术提供一种药品相互作用关系抽取方法，包括：将药品说明书输入训练后的机器学习模型中，识别出药品实体关系；所述机器学习模型是通过半监督学习训练的方式提取药品说明书中的特征文本信息建立的；将所述药品实体关系供药师和用户参考。其中，所述方法还包括：建立所述机器学习模型；训练所述机器学习模型。其中，所述建立所述机器学习模型包括：获取药品说明书数据，将所述药品说明书数据、药品实体名称以及之间的具体的关系类型构建成种类数据库；基于所述种类数据库提取药品说明书中文本信息，并将缺失的句法结构补充完整，以建立所述机器学习模型。其中，所述训练所述机器学习模型，包括：通过半监督的学习方式，将从药品说明书中提取的文本信息进行标签标注。其中，所述方法还包括：将训练的机器学习模型输出结果进行核对，纠正错误的文本信息，并把识别错误的文本信息全部提取出来，以更新所述机器学习模型。其中，所述方法还包括：将识别的药品实体关系抽取形成三元组，建立药品说明书知识图谱。根据本专利技术提供的第二方面，本专利技术提供一种药品相互作用关系抽取系统，包括：识别抽取模块，用于将药品说明书输入训练后的机器学习模型中，识别出药品实体关系，所述机器学习模型是通过半监督学习训练的方式提取药品说明书中的特征文本信息建立的；综合判断模块，用于将所述药品实体关系供药师和用户参考。根据本专利技术提供的第三方面，本专利技术实施例提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述第一方面所提供的药品相互作用关系抽取方法的步骤。第四方面，本专利技术实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述第一方面所提供的药品相互作用关系抽取方法的步骤。本专利技术实施例提供的一种药品相互作用关系抽取方法及系统，采用半监督的学习方式，训练好机器学习模型，能够对药品说明书中出现的药品实体名称进行综合的判断，使结果更加的准确。附图说明图1是本专利技术实施例提供的一种药品相互作用关系抽取方法流程示意图；图2是本专利技术实施例提供的药品相互作用关系抽取整体流程示意图；图3是本专利技术实施例提供的一种药品相互作用关系抽取系统结构示意图；图4是本专利技术一实施例提供的电子设备的结构示意图。具体实施方式下面结合附图和实施例，对本专利技术的具体实施方式作进一步详细描述。以下实施例用于说明本专利技术，但不用来限制本专利技术的范围。图1是本专利技术实施例提供的一种药品相互作用关系抽取方法流程示意图，如图1所示，包括：101、将药品说明书输入训练后的机器学习模型中，识别出药品实体关系；所述机器学习模型是通过半监督学习训练的方式提取药品说明书中的特征文本信息建立的；102、将所述药品实体关系供药师和用户参考。需要说明的是，为药师提供自动化的用药参考即是首先用程序脚本把每一种药品说明书里面的涉及到的“相互作用”、“禁忌”和“注意事项”等等重要的条目里的文本信息全部分门别类的抽取出来，药师需要用到哪些信息即可自动化的给出来。比如药师如果需要用到药品相互作用的数据，则可以利用建立的算法模型将药品相互作用的文本信息分为两类：“相互作用机制和结果”、“处理意见”。如果药师需要某种药品的“处理意见”的具体的方法，则可以通过建立的算法模型通过相关的文本信息从而给出其具体的“处理意见”的方法，“相互作用机制和结果”亦可如此。再比如如果要知道某种药对某个疾病的作用关系到时是“改善”还是“加重”，也可以通过建立的算法模型从说明书中的文本信息给出相应的判断。通过上述方法可以大大的降低药师人工对药品说明书文本信息中的关键信息的提取上的时间开销，而药师的工作仅仅是对算法判断的结果做一个核对工作，也会给药师提供相应的原始药品说明书中的文本信息。同时也可以给买药的用户提供相应的用药参考，使其用药更安心。也可以大大的缓解现阶段的医患关系问题。那么针对上述情形，本专利技术实施例采用了半监督的学习方式，药师专家的标注与机器学习相结合的方式，对结果能够保证很高的准确率。图2是本专利技术实施例提供的药品相互作用关系抽取整体流程示意图，如图2所示，本专利技术实施例提供的总体流程包括S1-S7。实际上是通过半监督的学习方式，训练出一个算法模型从新提供的药品说明书中进行药品实体关系的识别，给出识别结果，对于识别结果提供给药师在实际的工作中进行用药参考，可以节约药师在海量的药品说明书的文本信息中的搜索；也可以将识别的结果提供给用户参考，使其用药更加安心，有依据。可以理解的是本文档来自技高网...

【技术保护点】
1.一种药品相互作用关系抽取方法，其特征在于，包括：/n将药品说明书输入训练后的机器学习模型中，识别出药品实体关系；所述机器学习模型是通过半监督学习训练的方式提取药品说明书中的特征文本信息建立的；/n将所述药品实体关系供药师和用户参考。/n

【技术特征摘要】
1.一种药品相互作用关系抽取方法，其特征在于，包括：
将药品说明书输入训练后的机器学习模型中，识别出药品实体关系；所述机器学习模型是通过半监督学习训练的方式提取药品说明书中的特征文本信息建立的；
将所述药品实体关系供药师和用户参考。


2.根据权利要求1所述的药品相互作用关系抽取方法，其特征在于，所述方法还包括：
建立所述机器学习模型；
训练所述机器学习模型。


3.根据权利要求2所述的药品相互作用关系抽取方法，其特征在于，所述建立所述机器学习模型包括：
获取药品说明书数据，将所述药品说明书数据、药品实体名称以及之间的具体的关系类型构建成种类数据库；
基于所述种类数据库提取药品说明书中文本信息，并将缺失的句法结构补充完整，以建立所述机器学习模型。


4.根据权利要求2所述的药品相互作用关系抽取方法，其特征在于，所述训练所述机器学习模型，包括：
通过半监督的学习方式，将从药品说明书中提取的文本信息进行标签标注。


5.根据权利要求4所述的药品相互作用关系抽取方法，其特征在...

【专利技术属性】
技术研发人员：黎云，袁冲，余军，沈章，吕静，高峰，
申请(专利权)人：武汉海云健康科技股份有限公司，
类型：发明
国别省市：湖北;42