基于Tri-training的社交媒体药物不良反应实体抽取

来源：计算机工程与应用杂志2024年第3期北京时间：

作者：何忠玻, 严馨, 徐广义, 张金鹏, 邓忠莹

单位：1.昆明理工大学 信息工程与自动化学院，昆明 650500；2.昆明理工大学 云南省人工智能重点实验室，昆明 650500；3.云南南天电子信息产业股份有限公司 昆明南天电脑系统有限公司，昆明 650040；4.云南大学 信息学院，昆明 650091；5.云南财经大学 信息学院，昆明 650221

摘要：社交媒体因其数据的实时性，对其充分利用可以弥补传统医疗文献药物不良反应中实体抽取的迟滞性问题，但社交媒体文本面临标注数据成本高、数据噪声大等问题，使得模型难以发挥良好的效果。针对社交媒体大量未标注语料存在标注成本高的问题，采用Tri-training半监督的方法进行社交媒体药物不良反应实体抽取，通过三个学习器Transformer+CRF、BiLSTM+CRF和IDCNN+CRF对未标注数据进行标注，再利用一致性评价函数迭代地扩展训练集，最后通过加权投票整合模型输出标签。针对社交媒体的文本不正式性（口语化严重、错别字等）问题，通过融合字与词两个粒度的向量作为整个模型嵌入层的输入，来提取更丰富的语义信息。实验结果表明，提出的模型在“好大夫在线”网站获取的数据集上取得了良好表现。

关键词：中文社交媒体,药物不良反应,实体抽取,半监督学习,Tri-training