基于多通道卷积神经网络的社交媒体药物不良React检测

作为最重要的医学领域主题之一,药物不良React严重影响患者的生命,健康和安全。 尽管已经提出了许多方法,但是由于检测过程的复杂性,仍然存在许多未知的重要药物不良React。 诸如医学论坛和社交网络服务之类的社交媒体从患者那里收集了大量的药物使用信息,因此对于药物不良React挖掘非常重要。 但是,大多数现有研究仅涉及单一数据源。 这项研究会自动检索MedHelp Medical Forum用户发布的信息。 然后将其与从Twitter获得的与疾病相关的用户帖子相结合。 我们结合了不同的词嵌入,并利用多通道卷积神经网络来应对在多种来源的数据表示中遇到的挑战,并进一步识别包含不良药物React信息的文本。 特别是在此过程中,为了使模型能够利用单词的形态和形状信息,我们使用卷积通道从单词的字符级嵌入中学习特征。 实验结果表明,该方法改进了单词的表示,从而有效地检测了tex的不良药物React。