[发明专利]基于畜禽疾病知识图谱的畜禽疾病的预测分类方法

说明书

本发明公开了基于畜禽疾病知识图谱的畜禽疾病的预测分类方法，包括以下步骤：1）根据畜禽疾病文本进行特征提取；2)使用图计算的方法构建特征关联网络；3）构建畜禽疾病知识图谱；4)结构化抽取畜禽疾病特征；5）基于朴素贝叶斯，通过添加权重的改进算法计算单个特征对畜禽疾病的影响因子IMPT；6)基于步骤5）计算多个特征对畜禽疾病的影响因子；7)得到畜禽疾病预测分类的推荐结果。本发明通过构建深度特征关联网络和提供一种优化疾病影响因子算法，加深知识图谱构建时关系的构成，为畜禽疾病预测分类提供一种可行的有效方法，结果可以作为后续诊断的参考。

技术领域

本发明涉及一种预测分类方法，特别涉及基于畜禽疾病知识图谱的畜禽疾病的预测分类方法。

背景技术

随着人工智能的兴起，病情辅助诊别也在大数据的驱动下逐渐智能化，多数人工智能病情辅助诊别的技术研究均基于病情文本。据统这些文本如果都由人来处理，不仅时效低而且代价高。并且在本文所涉及到的畜禽疾病预测分类领域，亟需一种便捷的辅助预测分类方式帮助释放人工压力。综上，通过人工智能的手段进行智能化的疾病预测分类辅助是必要的。

知识图谱是一种通过符号形式表示客观概念和关系的语义知识库，它由许多实体和关系组成，通过关系和实体两两连接，构成“实体-关系-实体”的三元组，最终形成以各个三元组为基本单位的知识网络。近年来知识图谱广泛应用于各个领域，也为结构化存储病情文本提供了一种优秀的解决方案。

智慧医疗是知识图谱应用中收到广泛关注的一个领域。目前很多公司医院均在医疗领域中进行了相关研究并且构建了自己的医疗知识图谱，如搜狗公司的AI医学知识图谱、阿里巴巴的“医知鹿”、上海曙光医院够贱的中医知识图谱等。随着互联网技术以及区域医疗卫生信息化技术的不断发展，医疗数据迅速增长，如何从这些繁杂庞大的数据中挖掘出有效信息并加以利用，是推进智慧医疗不断发展的关键，同时也是药物推荐等一系列相关应用的基础，对于帮助医生诊疗，减轻人员负担有着重要的意义。

在医疗知识图谱的构建方面，虽然现有的实体关系抽取研究较为成熟，但是部分研究没有考虑到实体和关系之间的联系，容易造成误差累积和准确率不高的问题；同时在疾病预测方面，很多研究人员进行了相关的研究，但是目前的疾病预测针对性较强，扩展性也有所不足，同时深度不足，缺乏对疾病更深层关系的挖掘，需要一定的改进。

发明内容

本发明的目的是克服现有技术缺陷，提供基于畜禽疾病知识图谱的畜禽疾病的预测分类方法，通过构建深度特征关联网络和提供一种优化疾病影响因子算法，加深知识图谱构建时关系的构成，为畜禽疾病预测分类提供一种可行的有效方法，结果可以作为后续诊断的参考。

本发明的目的是这样实现的：一种基于畜禽疾病知识图谱的畜禽疾病的预测分类方法，其特征在于，包括以下步骤：

步骤1)根据畜禽疾病文本进行特征提取：选定一种畜禽疾病的病情陈述文本集合，使用汉语分词系统NLPIR导入提前准备的疾病和症状词典，对文本进行处理得到初始特征词集，之后进行词性选择得到中间特征词集，最后对中间特征词集进行加权TFIDF排序得到最终特征词集；

步骤2)使用图计算方法构建特征关联网络：对步骤1)得到的最终特征词集，通过基于图计算的方法建立该种疾病的特征关联网络，以此挖掘描述同种疾病的特征词之间出现的模式；将所有的特征词作为节点建立完全图，并且计算任意两个节点之间的有向关联度作为边的权重，然后通过去除弱关联获得强关联的特征关联网络，最后通过重构得到最终的特征词关联网络；

步骤3)构建畜禽疾病知识图谱：在步骤2)特征关联网络中，找出节点数在3以上的极大词团，通过筛选得到在描述该种疾病时同时出现的词团用于疾病类型推理，通过词团语义关系建立知识图谱；

步骤4)结构化抽取畜禽疾病特征：通过对知识图谱中的连通子图进行分解抽取，最终整理得到具有加权度的结构化特征；