典型文献
基于机器学习的药品不良反应实体识别研究综述
文献摘要：
命名实体识别是信息抽取和知识图谱构建等任务的关键技术环节.近年来,药品不良反应(Adverse Drug Reaction,ADR)实体识别受到学界的极大关注.为了系统梳理ADR实体识别的研究进展及趋势,首先总结了ADR实体识别时常见的问题;其次将ADR实体识别研究划分为基于规则和词典、基于传统机器学习、基于深度学习和基于迁移学习方法四类并进行分析和对比,得出目前基于迁移学习方法的ADR实体识别性能较优;接着给出了ADR实体识别涉及的数据集以及评价指标;最后对ADR实体识别未来研究方向进行了展望.
文献关键词：
自然语言处理;实体识别;深度学习;神经网络模型;药品不良反应
中图分类号：
作者姓名：
仲雨乐;马诗雯;陆豪杰;韩普
作者机构：
南京邮电大学管理学院,江苏 南京 210003
文献出处：
引用格式：
[1]仲雨乐;马诗雯;陆豪杰;韩普-.基于机器学习的药品不良反应实体识别研究综述)[J].软件工程,2022(08):1-6
A类：
B类：
基于机器学习,药品不良反应,命名实体识别,信息抽取,知识图谱构建,关键技术环节,Adverse,Drug,Reaction,ADR,基于规则,词典,迁移学习方法,四类,识别性,未来研究方向,自然语言处理
AB值：
0.252472
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
