本文介绍了一种基于自然语言处理技术的解决方案，用于检测药品不良反应，并提供了三种方法来提取药品不良反应。该解决方案已实现为一个统一的NLP管道，并在Apache Spark上构建了一个生产级库。

药物联合使用引起的不良反应是现代医学中普遍现象。研究发现，张量分解模型可预测药物联合使用的不良反应，建议未来研究考虑更廉价的方法。

通过融合关键词和同义词集合以及聚焦损失函数训练模型，我们提出了知识增强的转换器模型，用于检测不良药物反应。实验结果表明，我们的模型在三个公共数据集上的F1值优于现有技术水平，相对改进幅度分别为4.87%、47.83%和5.73%，证明了模型的有效性。