摘要
识别未知的药物相互作用在早期发现不良药物反应方面具有重要意义。尽管已有多种资源可提供药物-药物相互作用（DDI）信息，但这些信息大量存在于结构不明确的医学文本中，而此类文本正以指数级速度增长。因此，亟需开发文本挖掘技术以自动识别DDI。当前最先进的DDI抽取方法通常采用支持向量机（SVM）结合非线性复合核函数，以捕捉文献中的多样化上下文信息。尽管基于线性核的方法在计算成本上更具优势，但在DDI抽取任务中尚未达到与非线性核方法相当的性能。本文提出了一种高效且可扩展的系统，采用线性核方法实现DDI信息的识别。该方法包含两个步骤：首先识别药物对之间的相互作用，随后为预测的药物对分配四种不同类型的DDI之一。实验表明，当引入丰富的词汇特征与句法特征时，线性SVM分类器在DDI检测任务中能够取得具有竞争力的性能表现。此外，采用“一对一”（one-against-one）策略在解决DDI类型分类中的类别不平衡问题方面起到了关键作用。将该系统应用于DDIExtraction 2013语料库，其F1得分达到0.670，优于该挑战赛中排名前两位团队所报告的0.651和0.609，且这两个团队均基于非线性核方法。