[发明专利]一种基于社交网络数据的药品不良事件信息提取方法

权利要求书

1.一种基于社交网络数据的药品不良事件信息提取方法，其特征在于，包括：

从社交网络中抓取网上患者对药物的评论文本，以字符形式存储，并对获取的药物评论文本数据进行预处理；

根据依存语法体系，对评论文本进行句法分析，将句法结构描述为一个支配词及其从属成分构成的树结构，并标注主语、谓语、定语的依存关系；其中，所述支配词是谓语中心语；

确定依存句法结构中每一药物评论文本中处于支配地位的谓词，对谓词进行语义类识别，并依据预设规则标注谓词所支配的主体语义角色；其中，所述主体语义角色是从属于谓词的名词性短语、且在语义关系上是动作行为或性状描述的主体；

依据对药物评价文本的标注情况，确定药物评价描述的程度值，并将程度值填充入药品不良事件模板；

在确定药物评价描述的程度值的步骤中，包括步骤：

根据语义分类词典中对词语程度值的标注，将药物评价文本中谓词对应的程度值设置为药物评价文本程度值的初始值；

根据程度副词词表，扫描药物评价文本内是否有程度副词，若有，查阅副词词表，根据词表中的调节量值，将第一程度值设为初始值±调节量；其中，初始值0.5的，取加号，初始值0.5的取减号；如果赋值后的第一程度值0.9，则输出第一程度值为0.9；如果赋值后的第一程度值0.1，则输出第一程度值为0.1；

根据否定词词表，扫描药物评价文本内是否有否定词，若有，将程度值赋值为1-第一程度值，若无，输出第一程度值为最终结果。

2.根据权利要求1所述的基于社交网络数据的药品不良事件信息提取方法，其特征在于，在从社交网络中抓取网上患者对药物评论文本的步骤中，是利用爬虫技术从博客、微博、在线评论的社交网络中抓取。

3.根据权利要求1所述的基于社交网络数据的药品不良事件信息提取方法，其特征在于，在对获取的用药物评论文本数据进行预处理的步骤中，预处理的步骤包括：

识别药物评论文本对应的评论者名称和URL标识，对药物评论文本进行分词和词性标注，识别药物评价文本中包含的药品名称；

对药物评论文本进行断句处理，以“，？！。”为标志，将文本切分为语块；

将药品名及其对应的评论语块存储于数据库。

4.根据权利要求3所述的基于社交网络数据的药品不良事件信息提取方法，其特征在于，在确定依存句法结构中每一药物评论文本中处于支配地位的谓词的步骤中，谓词包括形容词、动词、成语和习用语，其句法功能包括主谓结构的谓语、述宾结构的述语、述补结构的补语和定中结构的中心语；对谓词进行语义类识别是根据语义分类词典进行识别。

5.根据权利要求4所述的基于社交网络数据的药品不良事件信息提取方法，其特征在于，在依据预设规则标注谓词所支配的主体语义角色的步骤中，预设规则为：

若药物评价文本只有一个谓词，则不标注语义角色；

若药物评价文本的句法结构为“谓词--词1”，且词1之前没有其他定语依存成分，且词1与谓词的句法关系为主谓，则标注词1为主体；

若药物评价文本的句法结构为“谓词--词1”，且词1前有定语依存成分，即“词1--词2，词2--词3……”，则将“词3词2词1……”整个序列标注为主体；

若药物评价文本的句法结构为“谓词--词1”，且词1之前没有其他定语依存成分，且词1与谓词的句法关系为定中结构，则标注词1为主体；

若药物评价文本的句法结构为“谓词--词1”，且词1与谓词的句法关系为定中结构，若词1前有其他定语依存成分，即“词1--词2，词2--词3……”，则将“词3词2词1……”整个序列标注为主体。

6.根据权利要求1所述的基于社交网络数据的药品不良事件信息提取方法，其特征在于，语义分类词典对每个词语定义其程度值，以0.1-0.9之间的浮点数表示，其中，0.5为中性，0.1-0.4为不良感受，数值越低表示不良感受越强，0.6-0.9为良好感受，数值越高表示良好感受越强。