基于机器学习的药品知识库构建研究

摘要

目的以药品说明书为数据基础, 构建药品知识库。方法对随机抽取的600份药品说明书进行人工标注, 并划分为训练集和测试集, 基于双向长短期记忆网络+条件随机场（Bi-LSTM+CRF）模型进行训练, 完成医学实体的识别;以"相似度计算+规则映射表"的混合模型对提取出的实体进行标准化, 完成后将药品信息导入Access数据库。结果基于Bi-LSTM+CRF模型的命名实体识别任务中, 除人群类实体外, 其余实体中均取得了F值高于85%的良好效果;基于"相似度计算+规则映射表"的混合模型, 实体标准化的准确率为88.23%。结论本研究的机器学习模型效果与其他命名实体识别、实体标准化研究的模型效果相近, 能够较好地完成药品知识库构建任务。