申请/专利权人：浙江工商大学

申请日：2021-09-15

公开（公告）日：2024-05-10

公开（公告）号：CN113744891B

主分类号：G16H70/40

分类号：G16H70/40;G06F16/36

优先权：

专利状态码：有效-授权

法律状态：2024.05.10#授权;2021.12.21#实质审查的生效;2021.12.03#公开

摘要：本发明公开了一种药品知识图谱表示学习方法，其包括：获取药品相关信息生成药物知识图谱；利用平衡因子将药物知识图谱中实体的文本描述信息与知识图谱中和关系结构化信息融合，引入包含因子学习药物知识图谱中药品包含化学成分的关系表达，引入惩罚因子学习药物知识图谱中药品负面相互作用关系与化学成分负面相互作用关系表达，建立相似系数提取具有相似化学成分的药品信息，定义衡量不同类型关系和实体对之间相互关联的多类型得分函数。本发明具有能学习表示药品知识图谱中基本的药品信息文本与结构特征，还可以学习表示隐含的药品相似信息与药品相互作用信息的优点。

主权项：1.一种药品知识图谱表示学习方法，其特征是：包括，从网络中或基于文字识别从药品说明书、医学文献和或药品书籍中识别获取药品相关信息，根据所述的药品相关信息生成药物知识图谱，所述生成的药品知识图谱至少包含药品与药品负面相互作用关系，化学成分与化学成分负面相互作用关系和药品包含化学成分关系；基于端到端神经网络对药物知识图谱中实体和关系的文本描述信息进行联合抽取，利用平衡因子将抽取的实体和关系的文本描述信息与知识图谱中实体和关系的结构化信息融合，引入包含因子学习药物知识图谱中药品包含化学成分的关系表达，引入惩罚因子学习药物知识图谱中药品负面相互作用关系与化学成分负面相互作用关系表达，建立抽取相似系数提取具有相似化学成分的药品信息，基于TransF模型根据不同的预测实体与关系定义衡量关系和实体对之间相互关联的多类型得分函数：当预测的是负面相互作用关系时，负面作用得分函数fkh,r,t定义为：fkh,r,t＝k‖μ·hs+1-μ·hd+μ·ts+1-μ·tdTr+r-μ·ts+1-μ·tdTμ·hs+1-μ·hd‖L2当预测的药品包含化学成分关系时，包含关系得分函数fjh,r,t定义为：fjh,r,t＝j‖μ·hs+1-μ·hd+rTμ·ts+1-μ·td+μ·ts+1-μ·td-rTμ·hs+1-μ·hd‖L2当预测的不是负面相互作用关系和药品包含化学成分关系时，通用得分函数fh,r,t定义为：fh,r,t＝‖μ·hs+1-μ·hd+rTμ·ts+1-μ·td+μ·ts+1-μ·td-rTμ·hs+1-μ·hd‖L2其中，μ是平衡因子,取值范围为[0,1]，k是惩罚因子，j是包含因子，j与k都是正数，h是头实体向量，t是尾实体向量，r是头实体和尾实体之间的关系向量，hs是是头实体的结构化向量，ts是尾实体的结构化向量，hd是头实体的文本描述向量，td是尾实体的文本描述向量，T表示转置矩阵，L2是L2范式；为了提取具有相似化学成分的药品信息，建立基于相似系数的衡量具有相似化学成分的药品实体关系的相似成分得分函数： SIMIh,t表示药品实体h与t之间的化学成分相似系数，可以通过联合药品实体所有包含的化学成分用现有的文本相似度算法计算；基于多类型得分函数建立实体与关系的损失函数： 其中γ为设定的边界值，h,r,t表示正例三元组，h′,r′,t′表示负例三元组，Skh,r,t表示药品知识图谱中具有负面相互作用关系的所有正例三元组集合，Sk’h,r,t表示随机生成的不具有负面相互作用关系的负例三元组集合，Sjh,r,t表示药品知识图谱中药品包含化学成分关系的所有正例三元组集合，Sj’h,r,t表示随机生成的不表示药品包含化学成分关系的负例三元组集合，Sh,r,t表示药品知识图谱中不是负面相互作用关系和药品包含化学成分关系的所有正例三元组集合，h′,r,t′表示头实体与尾实体被随即替换生成的通用负例三元组，S’h,r,t表示通用负例三元组集合，h,t表示不约束关系的正例二元组，h′,t′表示头实体与尾实体被随即替换生成的通用负例二元组，Ssh,t表示相似系数SIMIh,t大于设定边界值的正例二元组集合，Ss′h,t表示通用负例二元组集合；最小化损失函数以学习融合结构化信息，文本信息与药品相似性与相互作用信息的实体和关系的低维向量表示，在训练时使用随机梯度下降法算法SGD优化。

全文数据：

权利要求：

百度查询： 浙江工商大学 一种药品知识图谱表示学习方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD