[发明专利]一种基于深度学习的中医诊疗知识图谱自动构建方法

权利要求书

1.一种基于深度学习的中医诊疗知识图谱自动构建方法，其特征在于，具体步骤包括：

步骤1，构建初始化文献病案语料库，对病案进行分句、分词，并对病案中的“理-法-方-药”实体进行标记：

步骤2，通过双向LSTM对实体进行预测，通过深度学习模型从中医文献病案自动抽取实体：

步骤3，将同一病案中出现的同类实体进行聚类形成实体组，然后根据预定义的实体之间的关系形成三元组，构建知识图谱。

2.根据权利要求1所述的基于深度学习的中医诊疗知识图谱自动构建方法，其特征在于，步骤1中构建以下数据结构：

语料库：从中国知网CNKI下载中医文献，从中抽取病案，取75％作为训练集，25％作为测试集，分别用于训练模型参数和测试模型效果；

训练语料库中对“理-法-方-药”实体进行标记，使用“中药-med”、“方剂-pres”、“治法-treat”、“证候-syn”、“症状-sym”一一对应的标记方法，其余不相关的文本使用“O”标记；

词嵌入矩阵：用one-hot向量对分词后的语料库进行词嵌入表示，构建词嵌入矩阵，行为词数量，列为词嵌入维度。

3.根据权利要求2所述的基于深度学习的中医诊疗知识图谱自动构建方法，其特征在于，步骤2，通过双向LSTM对实体进行预测，通过深度学习模型从中医文献病案自动抽取实体，具体为：

使用双向LSTM(Bi-LSTM)对病案进行编码，以句子为单位输入Bi-LSTM，设输入句子为S＝w₁，w₂，...，w_m，w_m表示句子第m个单词，通过查找词嵌入矩阵，得到输入句子的词向量序列X＝x₁，x₂，...，x_m；

将词向量序列输入Bi-LSTM，LSTM的每个单元都由输入门i、遗忘门f、输出门o、记忆单元c组成，各门控单元和记忆单元更新公式为：

i_t＝σ(W_xix_t+W_hih_t-1+b_i) (1)

f_t＝σ(W_xfx_t+W_hfh_t-1+b_f) (2)

o_t＝σ(W_xox_t+W_hoh_t-1+b_o) (5)

h_t＝o_ttanh(c_t) (6)

其中，x_t表示t时刻输入的字符向量，h_t-1为t-1时刻的隐藏状态，c_t-1和c_t分别表示t-1时刻和t时刻的记忆单元状态，i_t、f_t、o_t分别为t时刻输入门、遗忘门和输出门的状态向量，σ为sigmoid函数，tanh为双曲正切函数，W_xi表示输入门i对应输入x的参数矩阵，b_i表示输入门i的偏置项，由于参数矩阵和偏置项较多，用*表示下标，此处所有的W_*和b_*均表示参数矩阵和偏置项，具体含义以*具体表示的内容为准；表示t时刻的实际输入：

前向LSTM的输出表示为后向LSTM的输出为则最终Bi-LSTM的输出表示为[；]表示向量级联操作；

将Bi-LSTM输出的隐藏单元状态h_t传递至CRF层作为输入，进行实体标签预测，给定输入句子x＝(x₁，x₂，...，x_n)和预测的序列标记y＝(y₁，y₂，...，y_n)，句子x对应于序列标记y的预测得分表示为s(x，y)，定义为：

表示x_i的标签y_i得分，P_i定义为：

为特定于y_i的模型参数矩阵，h_i表示Bi-LSTM在第i个单元输出的隐藏单元状态，是特定于y_i到y_i-1的偏置参数，则句子x标记为序列y的得分为：

e为自然对数的底数，Y_x表示句子x存在的所有可能标记序列，表示其中一种标记序列。

模型训练时，使用最大似然估计来最大化真实序列值，即为单词序列x的真实标签序列，在测试的时候，将序列得分最高的作为预测序列，即：

给定一个人工标记的训练数据集使用L2正则对数似然损失来训练模型，计算公式为：

λ是L2正则化参数，Θ是参数集，使用随机梯度下降(SGD)训练模型。

4.根据权利要求1-3任一项所述的基于深度学习的中医诊疗知识图谱自动构建方法，其特征在于，步骤3，将同一病案中出现的同类实体进行聚类形成实体组，然后根据预定义的实体之间的关系形成三元组，构建知识图谱，具体为：

将同一病案中出现的同类实体进行聚类形成实体组，如病案中的多个症状，构成症状组，多个证候构成证候组，以预定义的症候与症状之间的关系，将症状组和证候组进行连接得到<证候组，表现，症状组>三元组，将其他实体也同样进行聚类，然后根据预定义的实体之间的关系形成三元组，构建知识图谱。