[发明专利]一种基于多层卷积神经网络的药物关系分类方法

摘要

本发明公开了一种基于多层卷积神经网络的药物关系分类方法，通过采集英文形式的原始药物文本，获得原始药物文本集，对所述的原始药物文本集进行预处理，构造多层卷积神经网络并进行训练，获得药物关系分类多层卷积神经网络，利用所述的药物关系分类多层卷积神经网络进行药物关系分类，获得药物关系分类结果，本发明提供的方法通过对多层卷积神经网络的改进，增加了表示层，将输入的药物文本转换为药物文本向量，并且加入了基于相对距离的位置向量，使得药物文本特征向量提取更加精确，提高了基于多层神经网络的药物关系分类方法的准确率。

主权项

1.一种基于多层卷积神经网络的药物关系分类方法，其特征在于，包括以下步骤：步骤1，采集由英文的单词构成的原始药物文本，获得原始药物文本集，所述的原始药物文本中至少包括两个目标药物名称词,在所述的原始药物文本中除去所述目标药物名称词均为其他单词；步骤2，对所述的原始药物文本集进行预处理，包括词形归一化以及目标药物名称词命名方式的统一及替换，获得预处理后的药物文本集；步骤3，构造包含表示层、卷积层、池化层和全连接层的多层卷积神经网络；采用输入与输出对所述的多层卷积神经网络进行训练，获得药物关系分类多层卷积神经网络，所述的输入为所述的预处理后的药物文本集，所述的输出为药物关系标签集，所述的药物关系标签集中的每一个药物关系标签为所述预处理后的药物文本集中的每一个药物文本对应的原始药物文本中任意两个目标药物名称词之间存在的药物关系；其中所述的表示层将所述的预处理后的药物文本集中的每一个药物文本映射成文本特征向量，所述的药物文本特征向量包括药物文本向量和所述其他单词与所述目标药物名称词之间的位置向量；步骤4，利用所述的药物关系分类多层卷积神经网络对未知药物关系的药物文本进行药物关系分类，获得药物关系分类结果。