[发明专利]一种基于知识图谱与深度学习的疾病问答方法及装置

权利要求书

1.一种基于知识图谱与深度学习的疾病问答方法，其特征在于，所述方法包括：

步骤110：获得输入问题，并对所述输入问题进行数据清洗处理；

步骤120：对所述步骤110中数据清洗处理后的所述输入问题进行意图识别预处理，并判断所述输入问题是否满足第一预设条件；其中，

意图识别预处理意在只保留医学相关问题，也就是说，将输入问题为非医学问题的部分进行过滤，此过程利用深度学习技术搭建模型网络进行，并且，需要对输入问题判断其是否满足第一预设条件，即判断输入问题是否为医学问题；

满足第一预设条件的输入问题即为对输入问题进行判断之后，且判定结果为医学问题的问题；

步骤130：按照预设策略，对所述步骤120中满足所述第一预设条件的所述输入问题进行二次意图识别，并获得所述输入问题的意图类型；其中，

二次意图识别将问题类型细化包括：a.疾病定义、b.疾病症状或体征、c.疾病原因、d.疾病预防措施、e.检查方案、f.治疗方案、g.并发症；

步骤140：将所述输入问题进行实体识别，并与所述输入问题的意图类型相结合，获得实体结果；

步骤150：根据所述步骤130中获得的所述输入问题的意图类型，以及所述步骤140中获得的所述实体结果，利用Cypher语句在neo4j图数据库中进行实体及关系的直接及推理查询；

步骤160：获得问答结果；

其中，

在所述步骤120中，所述意图识别预处理，具体包括：

将所述输入问题的文本信息通过词向量技术转换为第一输入向量；

将所述第一输入向量通过CNN网络进行第一特征信息提取；

将所述第一特征信息通过Softmax分类器、Adam算法进行参数的迭代优化更新；

在所述步骤130中，所述对所述步骤120中满足所述第一预设条件的所述输入问题进行二次意图识别，具体包括：

将所述输入问题的文本信息通过词向量技术转换为第二输入向量；

将所述第二输入向量通过RNN网络进行第二特征信息提取；

将所述第二特征信息通过Softmax分类器、Adam算法进行参数的迭代优化更新；

在所述步骤140中，将所述输入问题进行实体识别，并与所述输入问题的意图类型相结合，获得实体结果，具体包括：

将输入文本通过词向量技术转换为第三输入向量；

将所述第三输入向量通过多层LSTM网络进行第三特征信息提取；

将所述第三特征信息通过条优随机场分类器、Adam算法进行参数的迭代优化更新。

2.如权利要求1所述的方法，其特征在于，在所述步骤110中，所述数据清洗处理包括无效字符判断，问题长度判断。

3.一种执行权利要求1至2任一所述的方法的、基于知识图谱与深度学习的疾病问答装置，其特征在于，所述装置包括：

第一执行单元，用于获得输入问题，并对所述输入问题进行数据清洗处理；

第二执行单元，用于对所述步骤110中数据清洗处理后的所述输入问题进行意图识别预处理，并判断所述输入问题是否满足第一预设条件；

第一获得单元，用于按照预设策略，对所述步骤120中满足所述第一预设条件的所述输入问题进行二次意图识别，并获得所述输入问题的意图类型；

第二获得单元，用于将所述输入问题进行实体识别，并与所述输入问题的意图类型相结合，获得实体结果；

第三执行单元，用于根据所述步骤130中获得的所述输入问题的意图类型，以及所述步骤140中获得的所述实体结果，利用Cypher语句在neo4j图数据库中进行实体及关系的直接及推理查询；

第三获得单元，用于获得问答结果。

4.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-2任一项所述方法的步骤。

5.一种基于知识图谱与深度学习的疾病问答装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1-2任一项所述方法的步骤。