[发明专利]基于神经网络和远程监督的医学知识图谱构建方法和系统

权利要求书

1.一种基于神经网络和远程监督的医学知识图谱构建方法，其特征在于，包括：

步骤1、获取医学文本集，从现有医学知识库中获取医学实体集，根据该医学实体集，采用远程监督法对该医学文本集中各词语进行实体信息标注，生成包含实体信息的数据集，以训练神经网络，得到用于实体识别的实体识别模型；

步骤2、获取该医学实体集中实体间的关系类别，以使用该数据集中用于关系分类的特征，训练神经网络，得到用于关系分类的关系分类模型；

步骤3、通过对待构建知识图谱的语料文本进行分句处理，获得待提取句子集合，使用该实体识别模型，提取该待提取句子集合中的所有候选实体，并使用该关系分类模型确定候选实体间关系，以包含候选实体和候选实体间关系的三元组构建医学知识图谱；

该步骤2包括：

对于该数据集中的每个句子中的任意两个实体，以这两个实体的词向量和其分别在句子中窗口为K的词语的词向量连接起来作为神经网络的输入，以这两个实体间关系的一位有效编码表示向量作为神经网络的输出，训练该神经网络，得到该关系分类模型。

2.如权利要求1所述的基于神经网络和远程监督的医学知识图谱构建方法，其特征在于，该步骤1包括：

根据该数据集的规模，将该数据集划分为训练集、测试集和验证集；

以该训练集中句子的短语序列对应的分布式词向量矩阵为输入，句子短语对应的实体信息标注序列的一位有效编码向量表示矩阵为输出，使用该训练集数据采用交叉熵损失和梯度反向传递训练神经网络，然后选择验证集上F1值最高的模型参数，应用于该实体识别模型；

使用该测试集，验证该实体识别模型的实体识别性能。

3.如权利要求1所述的基于神经网络和远程监督的医学知识图谱构建方法，其特征在于，该步骤3包括：

待提取句子集合{S₁,S₂,……,S_m}，其中S_m为该语料文本分句中第m个待提取句子；

用该实体识别模型对每个待提取句子提取候选实体{C_m¹,C_m²,……,C_mⁿ}，其中C_mⁿ表示第m个待提取句子中的第n个候选实体；

对待提取句子中任两个候选实体C_mⁱ和C_m^j，以C_mⁱ和C_m^j以及句子中C_mⁱ和C_m^j前后大小为K的窗口中的词语为特征，用该关系分类模型对C_mⁱ和C_m^j间的关系分类，并将C_mⁱ、C_m^j和分类结果构成该三元组。

4.如权利要求1到3中任意一项所述的基于神经网络和远程监督的医学知识图谱构建方法，其特征在于，该神经网络为多层双向LSTM网络。