1、生物醫(yī)學(xué)技術(shù)的發(fā)展為人類提供了大量的藥品用以治療各種疾病。一方面，藥物對于治療人類疾病，改善人類健康水平，延長人類壽命起到重要作用;另一方面，藥物不良反應(yīng)又使得藥物在某些情況下對人類身體健康產(chǎn)生嚴重危害，而這些危害甚至可能是致命的。藥物不良反應(yīng)不僅對個人健康產(chǎn)生危害，而且給整個社會帶來巨大的經(jīng)濟損失。如何及時高效而又全面地發(fā)現(xiàn)藥物所導(dǎo)致的不良反應(yīng)成為醫(yī)學(xué)界和學(xué)術(shù)界所關(guān)注的熱點。
　　藥物流向市場之前必須進行綜合的臨床試驗。但由于其

2、局限性，臨床試驗不能保證揭露藥物所有的不良反應(yīng)。藥物上市后，藥物不良事件報告系統(tǒng)成為監(jiān)控藥物安全、發(fā)現(xiàn)藥物不良反應(yīng)的主要依托。隨著Web2.0技術(shù)的發(fā)展以及互聯(lián)網(wǎng)廣泛的普及，健康社交網(wǎng)站積累了大量的用藥者評論，這些用藥者評論數(shù)據(jù)蘊含豐富的藥物不良反應(yīng)信息，為挖掘潛在藥物不良反應(yīng)、監(jiān)控藥物安全提供了新的數(shù)據(jù)源。
　　針對藥物不良事件報告系統(tǒng)中的數(shù)據(jù)，本文利用非序列化Skip-gram模型，訓(xùn)練生成藥物和不良反應(yīng)的分布式實體向量，利用

3、向量之間的運算來計算藥物和不良反應(yīng)之間的關(guān)聯(lián)性達到挖掘潛在藥物不良反應(yīng)的目的。實驗表明，非序列化Skip-gram模型生成的分布式實體向量，有效地捕捉了藥物和不良反應(yīng)之間的關(guān)聯(lián)性，可以用于進行潛在藥物不良反應(yīng)的發(fā)現(xiàn)。
　　針對社交網(wǎng)絡(luò)中的用藥者評論數(shù)據(jù)，本文利用信息熵和字典匹配的方法從用戶評論中挖掘藥物不良反應(yīng)。但是，從用戶評論中挖掘到的藥物不良反應(yīng)是“潛在”意義的不良反應(yīng)，尚未得到臨床意義上的驗證，而驗證潛在藥物不良反應(yīng)的真?zhèn)涡?/p>