[发明专利]一种基于BERT和相似度算法的医疗知识图谱问答系统构建方法

权利要求书

1.一种基于BERT和相似度算法的医疗知识图谱问答系统构建方法，其特征在于，具体步骤如下：

(1)通过爬虫爬取医疗百科信息，导入Neo4j构建知识图谱G；对医疗问答公开数据集D进行序列标注和分类打标签，构造命名实体识别实验数据集NER_DATA和关系抽取实验数据集CLASSIFY_DATA；

(2)搭建CNN-BiLSTM-CRF神经网络算法，输入NER_DATA进行命名实体识别实验，训练神经网络，保存模型NER_MODEL；

(3)搭建BERT-TextCNN神经网络算法，输入CLASSIFY_DATA进行关系抽取实验，训练神经网络，保存模型CLASSIFY_MODEL；

(4)根据关系抽取分类设定模板匹配的问题查询语句，对输入问句SEQ进行命名实体识别和关系抽取，匹配问题模板，查询Neo4j得到结果ANS；

(5)通过对输入问句SEQ与公开数据集D进行相似度分析，利用余弦相似度计算出最相似的病例，得到结果REC；

(6)开放Neo4j图数据库接口API和相似病历推荐系统接口API，对用户输入医疗相关关键字或语句调用算法获取相关医疗实体数据ANS和相似病历回答REC，将查询数据返还WEB应用程序；通过ECharts渲染医疗实体属性数据和实体间关系数据，实现医疗实体关系可视化以及医疗自动问答系统。

2.根据权利要求1所述的一种基于BERT和相似度算法的医疗知识图谱问答系统构建方法，其特征在于，所述步骤(1)中构造命名实体识别实验数据集NER_DATA和关系抽取实验数据集CLASSIFY_DATA的具体步骤如下：

(1.1)进行数据爬虫，选择爬虫网站；

(1.2)确定爬取页面；

(1.3)利用urllib模拟访问医疗百科网站，获取html信息；

(1.4)利用etree解析html实体，其中，包括药品信息drugs_info、食物foods_info、检查checks_info、科室departments_info、生产商producers_info、疾病diseases_info和症状symptoms_info分类信息；构造实体信息与属性项basic_info＝{drugs_info，foods_info，checks_info，departments_info，producers_info，diseases_info，symptoms_info，disease_infos}；

(1.5)定义疾病与忌吃食物关系为rels_noteat，疾病与宜吃食物关系为rels_doeat，疾病与推荐药品关系为rels_commonddrug，疾病与检查关系为rels_check，厂商与药物关系为rels_drug_producer，疾病与症状关系为rels_symptom，疾病与相关疾病并发关系为rels_acompany，疾病与科室之间的关系为rels_category；构造实体关系项rels＝{rels_noteat，rels_doeat，rels_commonddrug，rels_check，rels_drug_producer，rels_symptom，rels_acompany，rels_category}；

(1.6)去除basic_info和rels数据缺失项；

(1.7)利用basic_info和rels构造Neo4j图数据库G；

(1.8)利用BIOES标注法对医疗问答公开数据集D进行序列标注，构造命名实体识别实验数据集NER_DATA；

(1.9)利用rels分类对医疗问答公开数据集D进行打标签，构造关系抽取实验数据集CLASSIFY_DATA。