天堂国产午夜亚洲专区-少妇人妻综合久久蜜臀-国产成人户外露出视频在线-国产91传媒一区二区三区

藥物不良反應(yīng)知識(shí)發(fā)現(xiàn)與利用模型研究

發(fā)布時(shí)間:2025-04-15 00:06
  藥物不良反應(yīng)嚴(yán)重危害人類健康。藥品上市前受臨床試驗(yàn)對(duì)象、試驗(yàn)數(shù)量、持續(xù)時(shí)間、受試者暴露特征等限制,難以充分的獲取藥品安全的完整性信息。因此,藥品上市后的監(jiān)測(cè)工作尤為重要。社交媒體的出現(xiàn)為醫(yī)療數(shù)據(jù)的收集和利用提供了新的途徑。本文的研究旨在提高利用社交媒體進(jìn)行藥物警戒的科學(xué)化和智能化水平,為藥品上市后的安全監(jiān)測(cè)和個(gè)性化健康信息服務(wù)提供可借鑒的方法。為此,本文將先進(jìn)的自然語言處理、機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘、人工智能、語義分析方法應(yīng)用到基于社交媒體的藥物不良反應(yīng)知識(shí)發(fā)現(xiàn)與利用過程中,實(shí)現(xiàn)社交媒體大數(shù)據(jù)的過濾、藥物不良反應(yīng)信號(hào)的抽取、藥物不良反應(yīng)本體的半自動(dòng)構(gòu)建和個(gè)性化藥物不良反應(yīng)智慧的生成。全文是面向應(yīng)用的理論和方法研究,共9章,除去前后引言和結(jié)論兩章,各章節(jié)概述如下:第1章:明晰本文研究相關(guān)的理論。首先,理清了本文的研究問題----藥物不良反應(yīng)相關(guān)概念的辨析;其次,梳理了知識(shí)發(fā)現(xiàn)的相關(guān)概念,并界定了藥物不良反應(yīng)知識(shí)發(fā)現(xiàn)的內(nèi)涵;然后對(duì)本文的研究對(duì)象----網(wǎng)絡(luò)健康社區(qū)的相關(guān)知識(shí)進(jìn)行了回顧;最后是本文研究的理論依據(jù)---DIKW理論,也是全篇布局的線索。第2章:基于DIKW的藥物不良反應(yīng)知識(shí)發(fā)現(xiàn)與利用模...

【文章頁數(shù)】:156 頁

【學(xué)位級(jí)別】:博士

【部分圖文】:

圖2-2基于DIKW體系的藥物不良反應(yīng)知識(shí)發(fā)現(xiàn)與利用模型

圖2-2基于DIKW體系的藥物不良反應(yīng)知識(shí)發(fā)現(xiàn)與利用模型

藥物不良反應(yīng)的知識(shí)發(fā)現(xiàn)與利用實(shí)際上就是將社交媒體大數(shù)據(jù)轉(zhuǎn)化為藥物??不良反應(yīng)智慧的過程。信息管理中被及的數(shù)據(jù)要素是藥物不良反應(yīng)大數(shù)據(jù);信息??要素是藥物不良反應(yīng)信號(hào);知識(shí)要素是藥物不良反應(yīng)本體;智慧要素是藥物不良??反應(yīng)預(yù)警;疽刂g的轉(zhuǎn)化通過信息活動(dòng)實(shí)現(xiàn);經(jīng)過對(duì)社交媒體大數(shù)....


圖4-2藥物不良事件抽取過程??4.?5.?2.?1特征生成??

圖4-2藥物不良事件抽取過程??4.?5.?2.?1特征生成??

樹的層次結(jié)構(gòu)中,語義依存性會(huì)在鏈接的方向中顯示。本文采用Stan化rd?Parser??進(jìn)行依存巧法解析從依存者到支配者的語法關(guān)系。Stanford?Parser運(yùn)用上下文無??關(guān)文法和詞匯化依存句法分析,生成依存樹中各成分之間的依存關(guān)系。圖4-3是??一個(gè)句子的依存關(guān)系樹。'在....


圖5-1藥物不良反應(yīng)本體描化概念的抽取過程??(1)領(lǐng)域分詞詞典的構(gòu)建??

圖5-1藥物不良反應(yīng)本體描化概念的抽取過程??(1)領(lǐng)域分詞詞典的構(gòu)建??

基于深度學(xué)習(xí)思想,本文提出了基于word2vec的藥物不良反應(yīng)本體描述概??念的抽取方法,通過機(jī)器學(xué)習(xí)輔助梳理藥物不良反應(yīng)細(xì)粒度的描述概念,實(shí)現(xiàn)藥??物不良反應(yīng)本體的半自動(dòng)構(gòu)建。領(lǐng)域本體描述概念的抽取過程如圖5-1所示,主??要包括:藥物不良反應(yīng)領(lǐng)域分詞詞典的構(gòu)建、細(xì)粒度描述概念....


圖5-2?Word2vec淺層神經(jīng)網(wǎng)絡(luò)訓(xùn)練模型??如圖5-2所示,CBOW去掉了費(fèi)時(shí)的非線性隱層,令所有詞共享隱層,CBOW??

圖5-2?Word2vec淺層神經(jīng)網(wǎng)絡(luò)訓(xùn)練模型??如圖5-2所示,CBOW去掉了費(fèi)時(shí)的非線性隱層,令所有詞共享隱層,CBOW??

?Skip-gram??圖5-2?Word2vec淺層神經(jīng)網(wǎng)絡(luò)訓(xùn)練模型??如圖5-2所示,CBOW去掉了費(fèi)時(shí)的非線性隱層,令所有詞共享隱層,CBOW??模型是預(yù)測(cè)巧^1|1{;*-&,^1-*-1)...,^?,^1+1,化1+2?,^1+)1:)。從輸入層到隱藏層餘操??作實(shí)際....



本文編號(hào):4039757

資料下載
論文發(fā)表

本文鏈接:http://sikaile.net/yixuelunwen/yiyuanguanlilunwen/4039757.html


Copyright(c)文論論文網(wǎng)All Rights Reserved | 網(wǎng)站地圖 |

版權(quán)申明:資料由用戶46fbf***提供,本站僅收錄摘要或目錄,作者需要?jiǎng)h除請(qǐng)E-mail郵箱bigeng88@qq.com