[发明专利]一种专病知识图谱构建方法及装置

说明书

本申请提供了一种专病知识图谱构建方法及装置，该方法在构建专病知识体系的基础上，利用预先构建的实体抽取模型进行医学实体信息的抽取，并进一步基于所述专病知识体系进行医学实体的属性信息及关系信息的抽取，最终基于所抽取的各项信息构建专病知识图谱，其中，所述实体抽取模型为基于预先标注的训练数据集所训练的模型，且所述训练数据集通过使用医学词表匹配结合人工审核、标注的方式构造得到。本申请在医学实体抽取中，通过使用医学词表匹配结合人工审核、标注的方式构造实体抽取模型训练时所需的训练数据集，可以减小构造训练数据集的工作量，降低了对人力资源及时间资源的消耗，同时还可提升专病知识图谱的构建效率及知识合理性。

技术领域

本申请属于自然语言处理技术领域，尤其涉及一种专病知识图谱构建方法及装置。

背景技术

专病知识图谱，属于医学知识图谱，是一种描述医学上某一种疾病领域客观存在的实体、概念及它们之间关联关系的语义网络，采用语义技术形式表达系统化、结构化、集成化的医学领域知识，可应用于医学领域中的疾病筛查和预测、辅助临床诊断、医疗保险风险预测和医学知识科普等各个方面。

为了在医学领域有着较好的应用，准确构建所需的专病知识图谱非常必要，医学知识图谱的构建主要分为五个部分：医学知识体系构建、信息抽取、信息融合、质量评估及存储。目前，在构建专病知识图谱时，在信息抽取阶段，一般通过人工标注数据集的方式来构建实体抽取模型进而实现实体信息的抽取，然而，人工标注数据集的方式存在耗时耗力、效率低的缺陷，且该方式对于标注人员的医学背景也有较高要求，同时标注结果的质量往往难以保证，相对应地会对实体抽取模型的训练产生不利影响，难以保证其实体识别准确率，最终影响了所构建的专病知识图谱的知识合理性。

发明内容

有鉴于此，本申请的目的在于提供一种专病知识图谱构建方法及装置，旨在至少克服现有技术在构建专病知识图谱时所存在的上述缺陷，降低对人力资源及时间资源的消耗，提升专病知识图谱的构建效率及知识合理性。

为此，本发明公开如下技术方案：

一种专病知识图谱构建方法，包括：

构建专病知识体系；

基于所述专病知识体系，利用预先构建的实体抽取模型进行医学实体信息的抽取；所述实体抽取模型为基于预先标注的训练数据集所训练的模型，所述训练数据集基于如下处理方式得到：采用医学词表匹配的方式对医学文本进行实体信息标注，并基于人工方式对词表匹配结果进行审核和再标注；

基于所述专病知识体系，进行医学实体的属性信息的抽取；

基于所述专病知识体系，进行医学实体与医学实体之间的关系信息和/或医学实体与医学实体的属性之间的关系信息的抽取；

基于所抽取的医学实体信息、属性信息及关系信息，构建专病知识图谱。

上述方法，优选的，所述专病知识图谱的知识来源包括：专病电子病历、医学词表、医学网站、专病医学文献、专病临床指南、医学书籍。

上述方法，优选的，所述构建专病知识体系，包括：

构建专病知识图谱的概念层信息；

所述构建专病知识图谱的概念层信息，包括：

构建专病概念分类信息、专病概念属性描述信息以及概念之间的相互关系信息；所述专病概念包括实体及实体属性的概念，所述相互关系信息包括实体与实体之间的关系和/或实体与属性之间的关系。

上述方法，优选的，其特征在于，所述利用预先构建的实体抽取模型进行医学实体信息的抽取，包括：

提取医学文本中的字向量；

针对提取出的每个字向量，将该字向量与医学词典进行匹配，得到以该字向量对应的字符为结尾和/或开头的各个第一候选词语；