[发明专利]基因疾病关系知识库构建方法、装置和计算机设备

权利要求书

1.一种基因疾病关系知识库构建方法，其特征在于，包括：

对指定数量的包含基因-疾病实体对的自然语句进行依存关系分析，获得每个所述自然语句的依存关系；

根据每个所述自然语句的依存关系确定每个所述自然语句的路径描述符，其中所述路径描述符是指自然语句中在基因疾病实体依存路径上所有词的排列顺序；

根据每个所述自然语句的所述路径描述符生成规则模板，建立规则模板库；

利用所述规则模板库中的所述规则模板对全量的医学文献进行知识抽取，获取基因疾病关系，建立基因疾病关系知识库。

2.根据权利要求1所述的基因疾病关系知识库构建方法，其特征在于，所述对指定数量的包含基因-疾病实体对的自然语句进行依存关系分析，获得每个所述自然语句的依存关系步骤之前，包括：

在指定的医学资料库中获取包含基因-疾病实体对的自然语句；

随机选取指定数量的包含基因-疾病实体对的自然语句。

3.根据权利要求1所述的基因疾病关系知识库构建方法，其特征在于，所述对指定数量的包含基因-疾病实体对的自然语句进行依存关系分析，获得每个所述自然语句的依存关系的步骤包括：

利用自然语言处理工具包StanfordNLP对每个所述自然语句进行依存关系分析，获得每个所述自然语句的依存关系。

4.根据权利要求1所述的基因疾病关系知识库构建方法，其特征在于，所述根据每个所述自然语句的依存关系确定每个所述自然语句的路径描述符的步骤之后，所述根据每个所述自然语句的所述路径描述符生成规则模板，建立规则模板库的步骤之前还包括：

计算不同的路径描述符之间的编辑距离，将编辑距离小于等于第一指定值的路径描述符聚类为同一种路径描述符；以及，

识别所述自然语句中的依存关系中是否存在否定语义，若存在，则过滤掉该所述自然语句对应的路径描述符。

5.根据权利要求1所述的基因疾病关系知识库构建方法，其特征在于，所述根据每个所述自然语句的所述路径描述符生成规则模板，建立规则模板库的步骤包括：

统计同一个路径描述符对应的自然语句case数量，过滤掉所述case数量小于第二指定值的路径描述符；

将过滤后的路径描述符进行质量评估，将通过质量评估的路径描述符保存为规则模板，建立规则模板库。

6.根据权利要求5所述的基因疾病关系知识库构建方法，其特征在于，所述将过滤后的路径描述符进行质量评估，将通过质量评估的路径描述符保存为规则模板，建立规则模板库的步骤包括：

统计待评估的路径描述符所对应的实体对集合；

统计所述实体对集合里的实体对在CTD中存在的数量；

若存在的数量大于指定的数量阈值或存在的数量与实体对集合中实体对总数量的比值大于指定的比值阈值，则保留所述待评估的路径描述符为可用规则模板，储存起来建立规则模板库。

7.根据权利要求1所述的基因疾病关系知识库构建方法，其特征在于，所述利用所述规则模板库中的所述规则模板对全量的医学文献进行知识抽取，获取基因疾病关系，建立基因疾病关系知识库的步骤包括：

对全量的医学文献中的自然语句进行实体识别，获取包含基因-疾病实体对的自然语句；

分别对所有包含基因-疾病实体对的自然语句进行依存关系分析，获得每个所述自然语句的依存关系；

根据每个所述自然语句的依存关系确定每个所述自然语句的路径描述符；

判断所述路径描述符是否在所述规则模板库中；

若是，则根据所述路径描述符获取基因疾病关系，将所述基因疾病关系保存在基因疾病关系知识库中。