[发明专利]基于知识图谱表征学习的医疗方案推荐系统及方法

说明书

本申请公开了一种基于知识图谱表征学习的医疗方案推荐系统及方法，涉及人工智能技术领域，可解决现有医疗推荐系统推荐的医疗信息不够精准，且容易存在潜在风险的问题。其中系统包括：提取模块，用于获取目标用户的患者数据，并提取所述患者数据中的目标实体；划分模块，用于根据所述目标实体从医疗知识图谱中划分知识图谱子图；第一确定模块，用于基于表征学习确定所述知识图谱子图对应的低维向量；获取模块，用于将所述低维向量输入到符合预设训练标准的推荐模型中，获取得到与所述患者数据匹配的医疗推荐结果。本申请适用于对医疗方案的智能化推荐。

技术领域

本申请涉及人工智能技术领域，尤其涉及到一种基于知识图谱表征学习的医疗方案推荐系统及方法。

背景技术

随着现代信息技术的发展，为了构建与物联网、云计算、大数据、空间地理信息集成等新一代信息技术为基础的智慧城市，并且提高国民的数字化体验，各种智能系统应运而生。在医疗领域，通过配置医疗推荐系统，能够帮助病人和医生大大缩短就诊时间，节省人力物力。

目前现有的医疗推荐系统往往采用固定的搜索方式，或单纯使用医生和病人的历史交互信息作为输入，从而进行相关医疗信息的推荐，然而不能很好地通过对个人信息的全面分析以更好地推荐医疗信息，导致推荐的医疗方案不够准确，容易存在潜在风险。

发明内容

有鉴于此，本申请提供了一种基于知识图谱表征学习的医疗方案推荐系统及方法，主要解决现有医疗推荐系统推荐的医疗信息不够精准，且容易存在潜在风险的问题。

根据本申请的一个方面，提供了一种基于知识图谱表征学习的医疗方案推荐系统，该系统包括：

提取模块，用于获取目标用户的患者数据，并提取所述患者数据中的目标实体；

划分模块，用于根据所述目标实体从医疗知识图谱中划分知识图谱子图；

第一确定模块，用于基于表征学习确定所述知识图谱子图对应的低维向量；

获取模块，用于将所述低维向量输入到符合预设训练标准的推荐模型中，获取得到与所述患者数据匹配的医疗推荐结果。

优选地，所述提取模块，具体包括：

第一训练单元，用于训练用于抽取实体类的实体抽取模型；

抽取单元，用于利用符合第一预设训练标准的所述实体抽取模型抽取患者数据中的目标实体。

优选地，所述第一训练单元，具体用于：

对训练集数据中所包含的实体类进行词性标注；

将标注处理后的所述训练集数据输入至实体抽取模型中，训练所述实体抽取模型基于Jieba自然语言处理库抽取实体类；

若确定所述实体类的抽取误差小于预设阈值，则判定所述实体抽取模型通过训练；

若确定所述实体类的抽取误差大于或等于所述预设阈值，则判定所述实体抽取模型未通过训练，利用预先标注好词性的训练集数据重复修正训练所述实体抽取模型，以使所述实体抽取模型满足第一预设训练标准。

优选地，所述划分模块，具体包括：

标记单元，用于在所述目标实体中标记核心对象实体和次要对象实体；

遍历单元，用于以各个所述核心对象实体为遍历起点对医疗知识图谱进行遍历，并在遍历到所述次要对象实体时停止该方向的遍历；

划分单元，用于依据各个所述核心对象实体的遍历结果划分知识图谱子图。

优选地，所述第一确定模块，具体包括：

提取单元，用于提取所述知识图谱子图中的各个三元组；