[发明专利]基于模型的医学知识图谱的推理方法、装置、设备及介质

说明书

本申请公开了一种基于模型的医学知识图谱的推理方法、装置、设备及存储介质，该图谱包括多个四元组，四元组包括头实体、属性关系、尾实体以及函数模型的模型信息，函数模型为确定头实体与尾实体之间的属性关系的约束条件的模型，该方法包括：确定待推理对象对应的第一实体和第二实体；基于所述待推理对象对应的第一实体和第二实体确定医学知识图谱中对应的至少一个四元组；获取至少一个四元组对应的模型信息，基于模型信息确定对应的函数模型；基于函数模型以及模型信息确定至少一个四元组对应的属性关系的约束条件。本申请实施例的技术方案，不仅能够准确表达两个实体之间的属性关系的约束条件，而且能够根据患者的个体情况进行个性化推理。

技术领域

本申请涉及机器学习技术领域，尤其涉及一种基于模型的医学知识图谱的推理方法、装置、设备及存储介质。

背景技术

医学知识图谱技术是一种揭示医学知识实体之间的语义网络，是能够使得计算机算法系统理解医学知识的关键技术。

医学知识图谱一般采用三元组构建而成，如：糖尿病并发症糖尿病肾病。三元组的三个元素，分别可以称为头实体(Head Entity)、属性关系(Relation)和尾实体(TailEntity)。在构建完知识图谱之后，可以基于模型的医学知识图谱中已有的医学知识进行知识推理。

然而，由于三元组的头实体与尾实体之间的属性关系的成立或发生一般都会受到一定的条件约束，例如，并不是所有的糖尿病患者都会发生糖尿病肾病，糖尿病患者发生并发症糖尿病肾病具有一定的概率，这种医学知识图谱难以表达属性关系的条件约束，也无法进行个性化的推理。

发明内容

本申请实施例提供一种基于模型的医学知识图谱的推理方法、装置、设备及存储介质，用于解决医学知识图谱难以表达属性关系的条件约束，也无法进行个性化的推理的问题。

第一方面，本申请提供一种基于模型的医学知识图谱的推理方法，所述医学知识图谱包括多个四元组，所述四元组包括头实体、属性关系、尾实体以及函数模型的模型信息，所述函数模型为确定所述头实体与所述尾实体之间的所述属性关系的约束条件的模型，所述方法包括：确定待推理对象对应的第一实体和第二实体；基于所述待推理对象对应的所述第一实体和所述第二实体确定所述医学知识图谱中对应的至少一个四元组；获取所述至少一个四元组对应的模型信息，基于所述模型信息确定对应的函数模型；基于所述函数模型以及所述模型信息确定所述至少一个四元组对应的所述属性关系的所述约束条件。

在本申请的一些示例实施例中，所述模型信息包括模型类型，所述模型类型包括：常量函数模型、拟合函数模型、规则函数模型以及复合函数模型中的一种或多种。

在本申请的一些示例实施例中，所述模型信息为以JavaScript对象简谱JSON格式表示的信息，所述基于所述模型信息确定对应的函数模型，包括：

对所述JSON格式的模型信息进行解析，确定所述模型信息中的所述模型类型；基于所述模型类型确定对应的函数模型。

在本申请的一些示例实施例中，所述至少一个四元组包括一个四元组，所述基于所述模型类型确定对应的函数模型，包括：若所述四元组的模型信息中包含所述规则函数模型和概率模型，则将所述规则函数模型和所述概率模型的乘积作为所述函数模型，所述概率模型包含所述常量函数模型和/或所述拟合函数模型；若所述四元组的模型信息中仅包含所述规则函数模型，则将所述规则函数模型作为所述函数模型；若所述四元组的模型信息中仅包含所述概率模型，则将所述概率模型作为所述函数模型。

在本申请的一些示例实施例中，所述至少一个四元组包括多个四元组，所述基于所述模型类型确定对应的函数模型，包括：确定各个所述四元组的模型信息对应的各个中间推理模型，所述中间推理模型包含所述规则函数模型和/或概率模型；将各个所述中间推理模型的乘积作为所述至少一个四元组对应的函数模型。