[发明专利]一种利用可编辑知识图谱进行推演的处方查找方法及装置

说明书

本申请提供了一种利用可编辑知识图谱进行推演的处方查找方法及装置，包括：根据获取的当前症状，通过查询函数从预先构建的中医诊疗知识图谱中查询当前症状对应的证候要素；筛选证候要素空间中余弦相似度最接近当前症状的证候；根据最接近当前症状的证候，从中医诊疗知识图谱中查找对应的处方。本申请利用知识图谱技术替代医生进行诊断解决了当前需要高度依赖中医的个人经验进行处方开具从而易导致药不对症问题的发生。

技术领域

本申请属于自然语言处理和知识图谱技术领域，具体地讲，涉及一种利用可编辑知识图谱进行推演的处方查找方法及装置。

背景技术

自然语言处理是一项可以识别提取自然语言(人类的语言或者人类对于信息的文字性的记载)中的实体以及实体关系的技术。对于语言的理解并不是人们想象中那么简单，由于在自然语言中混杂着很多其他领域的背景知识。如果想要处理好一个句子或者一篇文章，必须要依赖对于作者情感/背景知识/上下文背景等的分析。由于涉及到的知识广泛且细节，有些研究机构或者学术机构对于知识进行积累，这种积累的方法是通过知识图完成的。

知识图谱技术发展来源于图论。图这个概念起源于科尼斯堡问题，为解决这个问题，人们将图抽象成三元组的形式，即，(点-边-点)的形式。通过数学矩阵的处理来解决现实生活中的一些问题。随着感知机的不断发展和互联网信息的不断积累，研究者们开始尝试用大量结构化知识构建成的知识图来作为神经网络推断数据的依据，从而进一步提升某些知识推断网络的性能。

中医作为融合了数千年医学文明的结晶，融合了广泛的知识。诊断人员不仅仅需要了解每一味药材的性味归经，同时还要对人体表现出来的症状，脉象，舌相等症状进行评判。关于这里所说的性味归经和各种症状只是作为两个典型的例子来说明中医的背后涵盖着广泛的知识积累，并不是穷举所有中医所涉及的知识。

但是目前对疾病进行诊断以及开具处方主要依赖于中医的个人经验，但在个人经验不足的情况下容易造成误诊等问题，使得开具的处方并不能够有效治疗疾病。

发明内容

本申请提供了一种利用可编辑知识图谱进行推演的处方查找方法及装置，以至少解决当前需要高度依赖中医的个人经验进行处方开具从而易导致药不对症问题的发生。

根据本申请的一个方面，提供了一种利用可编辑知识图谱进行推演的处方查找方法，包括：

根据获取的当前症状，通过查询函数从预先构建的中医诊疗知识图谱中查询当前症状对应的证候要素；

筛选证候要素空间中余弦相似度最接近当前症状的证候；

根据最接近当前症状的证候，从中医诊疗知识图谱中查找对应的处方。

在一实施例中，处方查找方法还包括：

利用pytorch深度学习框架构建中医诊疗知识图谱，并采用激活函数进行池化操作。

在一实施例中，中医诊疗知识图谱的构建包括：

根据获取的实体采用邻接矩阵建立实体之间的关系并对实体进行独热向量编码，实体包括：症状数据、证候要素数据、证候数据及处方数据；

根据症状与证候要素之间的关系、证候要素与证候之间的关系以及证候与处方之间的关系建立中医诊疗知识图谱。

在一实施例中，根据获取的当前症状，通过查询函数从预先构建的中医诊疗知识图谱中查询当前症状对应的证候要素，包括：

查询当前症状对应的独热向量编码；

利用该独热向量编码从中医诊疗知识图谱中进行非线性映射获得与当前症状对应的证候要素。

根据本申请的另一个方面，还提供了一种利用可编辑知识图谱进行推演的处方查找装置，包括：