[发明专利]基于知识图谱及聚类算法的医学相似实体分类方法及系统

说明书

本发明涉及知识图谱技术领域，具体涉及基于知识图谱及聚类算法的医学相似实体分类方法及系统，本方法包括将医学数据库的数据构成三元组数据集，将三元组数据集作为训练集，对知识图谱学习模型进行训练，得到医学数据库的向量化表示的医学知识图谱，将其三元组通过均值池化层获得三元组的代表向量，利用无监督聚类算法Kmeans对实体和关系的代表向量进行聚类，得出医学知识图谱内的相似术语实体库，将同一簇内的实体作为正样本，将不同簇内的实体作为负样本，将正样本和负样本输入，训练实体相似分类模型，基于实体相似分类模型对实体进行相似判断；本发明解决人工标注相似实体分类繁琐的问题，实现对医学知识图谱无人工的准确构建。

技术领域

本发明涉及知识图谱技术领域，具体涉及基于知识图谱及聚类算法的医学相似实体分类方法及系统。

背景技术

知识图谱是由节点和边构成的，多关系图一般包含多种类型的节点和多种类型的边。实体（节点）指的是现实世界中的事物比如人、地名、概念、药物、公司等，关系（边）则用来表达不同实体之间的某种联系，比如人-“居住在”-北京、张三和李四是“朋友”、逻辑回归是深度学习的“先导知识”等等。

目前基于医学知识图谱的应用广泛，如基于知识图谱的智能问答、可视化、搜索等等，但基于已构建的知识图谱进行无需人工标注的相似实体分类任务尚待开发，给医学知识图谱的构建造成困难。

发明内容

针对上述现有技术的不足，本发明旨在提供一种基于知识图谱及聚类算法的医学相似实体分类方法及系统，以解决基于已构建的知识图谱进行无需人工标注的相似实体分类任务困难的问题，实现知识图谱无人工标注相似实体分类。

为了解决上述问题，本发明采用了如下的技术方案：

基于目前的相似实体分类任务时基于人工标注是否实体是否相似，我们提出无人工标注的相似实体分类任务首先将知识图谱内的实体关系节点转化为向量表示，并基于向量化表示的实体节点及关系的三元组进行聚类，聚类并得出相似的实体，根据相似的实体的聚类结果构建正负样本，作为输入数据来训练相似实体分类模型。

第一方面，本发明提供一种基于知识图谱及聚类算法的医学相似实体分类方法，包括：

S100、将医学数据库的数据构成三元组数据集，将所述三元组数据集作为训练集，从所述训练集中选取正确三元组和错误三元组，输入知识图谱学习模型进行训练，生成知识图谱学习模型，基于所述知识图谱学习模型获得更新完毕的嵌入层实体及关系的向量化表示作为知识图谱的表示向量，得到所述医学数据库的向量化表示的医学知识图谱；

S200、基于得到的所述医学数据库的向量化表示的医学知识图谱，将其三元组通过均值池化层获得三元组的代表向量，利用无监督聚类算法Kmeans对实体和关系的代表向量进行聚类，得出医学知识图谱内的相似术语实体库；

S300、基于所述医学知识图谱内的相似术语实体库，将同一簇内的实体作为正样本，将不同簇内的实体作为负样本，将所述正样本和所述负样本输入，训练实体相似分类模型，基于所述实体相似分类模型对实体进行相似判断。

作为一种可实施方式，所述步骤S200中，所述利用无监督聚类算法Kmeans对实体和关系的代表向量进行聚类，包括：

S201、在所述医学知识图谱的数据集中随机选取K个实体作为中心点；

S202、定义损失函数，计算实体之间的相似度；

S203、对于数据集中的每一个实体，根据计算出来的余弦距离将其分配到距离最近的中心点，重新获取K个簇，并对于重新获取的每一个簇，重新计算该簇的中心点，直到所述损失函数收敛。

作为一种可实施方式，所述步骤S202中所述损失函数为：

，

，