融合文本与药物嵌入的多模态模型用于药物不良反应分类
定量方法
2023-11-21 v1 计算与语言
机器学习
摘要
本文中，我们关注将推文分类作为药物不良效应(ADEs)或药物反应(ADRs)的潜在信号来源。遵循文本与药物结构表示互补的直觉，我们引入了一个具有两个组件的多模态模型。这些组件是用于语言理解和分子性质预测的先进基于BERT的模型。实验在Social Media Mining for Health Research and Applications (#SMM4H)倡议的多语言基准上进行。我们的模型在#SMM4H 2021共享任务1a和2的英语和俄语上分别取得了0.61 F1和0.57 F1的SOTA结果。在SMM4H 2020任务1的法语推文分类上，我们的方法将SOTA绝对提升了8% F1。我们的实验表明，从神经网络获得的分子信息比传统分子描述符更有助于ADE分类。我们模型的源代码可在https://github.com/Andoree/smm4h_2021_classification免费获取。
引用
@article{arxiv.2210.13238,
title = {Multimodal Model with Text and Drug Embeddings for Adverse Drug Reaction Classification},
author = {Andrey Sakhovskiy and Elena Tutubalina},
journal= {arXiv preprint arXiv:2210.13238},
year = {2023}
}
备注
This paper is accepted to Journal of Biomedical Informatics