融合概念感知注意力的知识增强图神经网络用于不良药物事件检测

不良药物事件（ADEs）是药物安全的重要方面。生物医学文献、药物评论以及社交媒体和医疗论坛上的用户帖子等文本包含大量关于ADE的信息。近期研究已应用词嵌入和基于深度学习的自然语言处理来自动化从文本中检测ADE。然而，它们未探索融入关于药物与不良反应的显式医学知识或相应的特征学习。本文采用描述文档、词与概念之间关系的异质文本图，用统一医学语言系统的医学知识对其进行增强，并提出一种概念感知注意力机制，对图中不同类型节点以不同方式学习特征。我们进一步利用来自预训练语言模型的上下文嵌入和卷积图神经网络进行有效特征表示与关系学习。在四个公开数据集上的实验表明，我们的模型取得了与近期先进方法相竞争的性能，且概念感知注意力持续优于其他注意力机制。