(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210263559.8 (22)申请日 2022.03.17 (71)申请人 中国科学院深圳理工大 学 （筹） 地址 518000 广东省深圳市南 山区桃源街 道学苑大道1068号 (72)发明人 唐继军　窦明亮　郗文辉　郭菲　 (74)专利代理 机构 深圳中一联合知识产权代理 有限公司 4 4414 专利代理师 任敏 (51)Int.Cl. G16H 70/40(2018.01) G16H 20/10(2018.01) G06F 16/81(2019.01) G06F 16/832(2019.01) G06F 16/951(2019.01)G06F 40/295(2020.01) G06F 40/30(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 药物对相互作用关系的预测方法、 设备及介 质 (57)摘要 本申请实施例适用于生物医药技术领域， 提 供了一种药物对相互作用关系的预测方法、 设备 及介质， 该方法包括： 获取目标文本； 目标文本中 包括多种药物， 每种药物在目标文本中出现至少 一次； 分别确定每种药物对应的综合实体表示， 综合实体表示用于描述对应的药物在目标文本 中的各个位置处的语义信息； 针对多种药物中的 任一药物对， 根据药物对中的两种药物的综合实 体表示确定药物对的融合实体表 示； 根据药物对 的融合实体表示， 预测药物对的相互作用关系。 采用上述方法可以提高对文档中每种药物对的 相互作用关系的预测准确率。 权利要求书2页 说明书13页 附图5页 CN 114678141 A 2022.06.28 CN 114678141 A 1.一种药物对相互作用关系的预测方法， 其特 征在于， 所述方法包括： 获取目标文本； 所述目标文本中包括多种药物， 每种药物在所述目标文本中出现至少 一次； 分别确定所述每种药物对应的综合实体表示， 所述综合实体表示用于描述对应的药物 在所述目标文本中的各个位置处的语义信息； 针对所述多种药物中的任一药物对， 根据 所述药物对中的两种药物的综合实体表示确 定所述药物对的融合实体表示； 根据所述药物对的融合实体表示， 预测所述药物对的相互作用关系。 2.根据权利要求1所述的方法， 其特 征在于， 所述获取目标文本， 包括： 获取初始文本， 所述初始文本中包括所述多种药物， 每种药物在所述初始文本中出现 至少一次； 若所述初始文本中存在使用药物共享后缀的药物名称， 则对所述药物名称进行扩充， 得到所述目标文本 。 3.根据权利要求1所述的方法， 其特征在于， 所述分别确定所述每种药物对应的综合实 体表示， 包括： 针对任一种所述药物， 分别确定所述药物在所述目标文本中的多个位置； 根据所述多个位置， 分别生成每 个位置对应的文本序列； 对每个位置对应的所述文本序列进行向量处 理， 得到所述综合实体表示。 4.根据权利要求3所述的方法， 其特征在于， 所述对每个位置对应的所述文本序列进行 向量处理， 得到所述综合实体表示， 包括： 分别对每个位置对应的所述文本序列进行向量表示， 对应得到多个文本向量； 每个所 述文本向量用于描述所述药物在与对应位置处的语义信息； 将每个所述文本向量进行向量整合， 生成所述药物的综合实体表示。 5.根据权利要求1 ‑4任一项所述的方法， 其特征在于， 所述分别确定所述每种药物对应 的综合实体表示， 所述综合 实体表示用于描述对应的所述药物在所述目标文本中的各个位 置处的语义信息； 针对所述多种 药物中的任一药物对， 根据所述药物对中的两种 药物的综 合实体表示确定所述药物对的融合实体表示； 根据所述药物对的融合实体表示， 预测所述 药物对的相互作用关系， 包括： 将所述目标文本输入至预训练 的药物关系预测模型中进行处理， 得到所述多种药物中 的每一所述药物对的相互作用关系。 6.根据权利要求5所述的方法， 其特征在于， 所述药物关系预测模型包括第一激活层、 第二激活层、 第一全连接层和第二全连接层； 所述根据所述药物对中的两种 药物的综合实 体表示确定所述药物对的融合实体表示， 包括： 将所述两种药物的综合实体表示依次输入所述第 一激活层以及所述第 一全连接层中， 得到所述两种药物分别对应的目标向量； 将两种所述目标向量进行拼接， 并将拼接后的所述目标向量依次输入至所述第 二激活 层以及所述第二全连接层中， 得到所述融合实体表示。 7.根据权利要求5所述的方法， 其特征在于， 所述药物关系预测模型是根据训练集训练 得到， 所述训练集的获取 方式为：权　利　要　求　书 1/2 页 2 CN 114678141 A 2获取原始数据集， 所述原 始数据集包括多个原 始文本； 分别统计 每个所述原 始文本中包 含的药物数量； 筛选所述原 始数据集中包 含至少两种药物的原 始文本， 得到原 始数据子集； 对所述原 始数据子集中的每 个所述原 始文本进行 标签处理， 得到所述训练集。 8.根据权利要求7所述的方法， 其特征在于， 所述对所述原始数据子集中的每个所述原 始文本进行 标签处理， 得到所述训练集， 包括： 获取所述原始文本中包 含的每种药物对， 以及各种药物对之间的关系标签； 若存在具备多种关系标签的药物对， 则根据预设的标签优先级， 将所述多种关系标签 中优先级高的关系标签确定为所述药物对的关系标签。 9.一种终端设备， 包括存储器、 处理器以及存储在所述存储器中并可在所述处理器上 运行的计算机程序， 其特征在于， 所述处理器执行所述计算机程序时实现如权利要求1至8 任一项所述的方法。 10.一种计算机可读存储介质， 所述计算机可读存储介质存储有计算机程序， 其特征在 于， 所述计算机程序被处 理器执行时实现如权利要求1至8任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 114678141 A 3