本书在Web 2.0和Health 2.0的背景下，基于设计科学、文本挖掘、信息抽取和机器学习等理论与方法，搭建了社会媒体中药品不良反应知识发现框架；实现了特征向量的提取和多种核方法，并基于集成学习和半监督学习，构建了一系列药品不良反应关系抽取模型，识别了药品实体和症状/疾病实体间的关系类别，减少了社会媒体上数据高维特征的影响及模型对标注数据的依赖，提升了药品不良反应关系抽取模型的性能。通过本书的研究，在理论上丰富和补充了文本挖掘、集成学习和半监督学习的理论研究体系；在实践上，有助于完善药品的安全性信息，为相关部门提供决策支持，实现了数据驱动的药物警戒，是面向人民生命健康进行科技创新的重要实践。
本书适合国家相关机构、医生、医疗机构管理者、智慧医疗研究人员以及计算机领域的专业人士阅读。

赵嵩正，男，汉族，1961年出生于山东烟台。西北工业大学管理学院教授、博导。长期从事知识管理、信息管理与信息系统、设备管理等领域的教学与科研工作。出版专著6部，在各类学术刊物发表论文100余篇，其中SCI索引4篇、EI索引26篇、ISTP索引27篇。主持国家自然科学基金项目、省部级及企业横向科研项目40余项，获省部级科技进步成果三等奖2项，西安市科技进步成果一等奖1项、二等奖1项，陕西省教育系统科技进步成果一等奖2项、二等奖1项、三等奖2项，陕西省管理成果一等奖1项，国家软件产品著作权5项。

第1章 绪论
1.1 研究背景与意义
1.2 国内外研究现状
1.2.1 社会媒体环境下药品不良反应知识发现研究
1.2.2 文本挖掘相关研究
1.2.3 研究述评
1.3 研究内容与创新点
1.3.1 研究内容
1.3.2 创新性
1.4 研究方法
第2章 药品不良反应相关文本识别
2.1 基于层次注意力的多文档表征融合模型
2.1.1 基于深度学习的深层文本表征
2.1.2 考虑外部领域知识的特征工程
2.1.3 层次注意力机制
2.1.4 实验设置
2.1.5 实验结果与分析
2.2 基于多视图主动学习的药品不良反应相关文本识别模型
2.2.1 基于多视图主动学习的药品不良反应相关文本识别框架
2.2.2 基于多文档表征的多视图生成机制
2.2.3 样本选择策略
2.2.4 MVAL4D的伪代码
2.2.5 实验设置
2.2.6 实验结果与分析
2.3 小结
第3章 药品不良反应命名实体识别
3.1 基于传统CRF的药品不良反应实体识别模型构建
3.1.1 条件随机场
3.1.2 特征提取
3.2 基于Bi-LSTM-CRF的药品不良反应实体识别模型构建
3.3 实验设置
3.3.1 数据集
3.3.2 实验过程
3.3.3 评价指标
3.4 实验结果与分析
3.5 小结
第4章 基于组合学习的药品不良反应关系抽取
4.1 基于特征的药品不良反应关系抽取
4.1.1 特征提取
4.1.2 特征选择
4.1.3 实验设置
4.1.4 实验结果与分析
4.2 基于核方法的药品不良反应关系抽取
4.2.1 典型核
4.2.2 实验设置
4.2.3 实验结果与分析
4.3 基于组合学习的药品不良反应关系抽取集成框架
4.3.1 基分类器融合方法
4.3.2 实验设置
4.3.3 实验结果与分析
4.4 基于词汇语义相似度和词性分析的POS-SSDP核方法
4.4.1 对基于核的关系抽取方法进行改进的必要性
4.4.2 词汇语义相似度
4.4.3 POS-SSDP：嵌入词汇语义信息和词性分析的最短依赖路径核
4.4.4 实验设置
4.4.5 实验结果与分析
4.5 小结
第5章 基于半监督学习和集成学习的药品不良反应关系抽取
5.1 基于半监督集成学习的药品不良反应关系抽取
5.1.1 半监督学习
5.1.2 集成学习
5.1.3 Co-Ensemble方法
5.1.4 实验设置
5.1.5 实验结果与分析
5.2 基于改进随机子空间的药品不良反应关系抽取
5.2.1 随机子空间相关工作
5.2.2 基于分层采样的随机子空间方法
5.2.3 使用的特征
5.2.4 实验设置
5.2.5 实验结果与分析
5.3 基于改进半监督学习的药品不良反应关系抽取
5.3.1 使用Lasso改进基于分歧的半监督学习
5.3.2 实验结果与分析
5.4 小结
参考文献