[发明专利]一种医疗领域的SPARQL查询语句的生成系统和方法

权利要求书

1.一种医疗领域的SPARQL查询语句的生成系统，其特征在于，该系统包括：

知识库，用于存放医疗领域知识，所述知识包含中文自然语言问句的答案；

查询模板库，用于存放中文自然语言问句模板和SPARQL查询模板，两个模板一一对应；

生成器，将查询模板库和知识库作为输入，用于从知识库中提取实体与属性，分别填充至中文自然语言问句模板和SPARQL查询模板中，从而生成训练数据集；

分词模块，用于对训练数据集中中文自然语言问句进行分词处理，并将分词结果转发给学习器；对输入的目标中文自然语言问句进行分词处理，并将分词结果转发给解释器；

学习器，用于根据分词处理后的中文训练集对神经网络模型进行训练，得到训练好的神经网络模型；

解释器，用于利用训练好的神经网络模型对分词处理后的目标中文自然语言问句进行预测，得到预测的SPARQL查询语句。

2.如权利要求1所述的系统，其特征在于，所述查询模板库中包含疾病的各种医疗知识对应的各种类型查询模板，所述各种医疗知识包含：疾病的病因、疾病的预防、疾病的症状、疾病的检查、疾病的治疗、疾病的护理。

3.如权利要求1或2所述的系统，其特征在于，所述生成器的功能通过以下方式实现：在实体和属性值列表中进行随机采样，并将实体的IRI和对应的中文标签分别填充至上述两个模板的占位符中，得到一对中文问句与SPARQL模板句对。

4.如权利要求1至3任一项所述的系统，其特征在于，所述神经网络模型为Seq2Seq模型。

5.如权利要求1至4任一项所述的系统，其特征在于，所述系统还包括：预训练模块，用于利用额外的语料库生成词向量矩阵，对神经网络模型的嵌入层进行预训练。

6.一种医疗领域的SPARQL查询语句的生成方法，其特征在于，该方法包括以下步骤：

S1.构建存放医疗领域知识的知识库和存放中文自然语言问句模板和SPARQL查询模板的查询模板库，所述知识包含中文自然语言问句的答案，两个模板一一对应；

S2.从知识库中提取实体与属性，分别填充至中文自然语言问句模板和SPARQL查询模板中，从而生成训练数据集；

S3.对训练数据集中中文自然语言问句进行分词处理；

S4.根据分词处理后的中文训练集对神经网络模型进行训练，得到训练好的神经网络模型；

S5.对输入的目标中文自然语言问句进行分词处理，利用训练好的神经网络模型对分词处理后的目标中文自然语言问句进行预测，得到预测的SPARQL查询语句。

7.如权利要求6所述的方法，其特征在于，所述查询模板库中包含疾病的各种医疗知识对应的各种类型查询模板，所述各种医疗知识包含：疾病的病因、疾病的预防、疾病的症状、疾病的检查、疾病的治疗、疾病的护理。

8.如权利要求6或7所述的方法，其特征在于，步骤S2具体为：在实体和属性值列表中进行随机采样，并将实体的IRI和对应的中文标签分别填充至上述两个模板的占位符中，得到一对中文问句与SPARQL模板句对。

9.如权利要求6至8任一项所述的方法，其特征在于，所述神经网络模型为Seq2Seq模型。

10.如权利要求6至9任一项所述的方法，其特征在于，该方法在步骤S3和步骤S4之间还包括：利用额外的语料库生成词向量矩阵，对神经网络模型的嵌入层进行预训练。