[发明专利]基于关联文献的医学知识图谱的知识评价方法及系统

说明书

本发明提供一种基于关联文献的医学知识图谱的知识评价方法及系统，属于临床医学技术领域，基于远程监督，获取医学实体与文献的关联证据信息；基于显著性检验，构建医学关系与文献的关联证据信息；融合远程监督和显著性检验，基于医学实体与文献的关联证据信息、医学关系与文献的关联证据信息，构建知识‑关联文献知识图谱、文献‑文献关联图谱；基于构建的知识‑关联文献知识图谱、文献‑文献关联图谱，对获取的医学知识可靠性进行评价。本发明构建了包含文献证据的知识图谱，结合知识‑文献关联网络的进行知识可靠性评价，解决了医学知识的可靠性评价问题，为临床分析提供更准确的知识信息。

技术领域

本发明涉及临床医学技术领域，具体涉及一种基于关联文献的医学知识图谱的知识评价方法及系统。

背景技术

医学知识图谱(KnowledgeGraph,KG)是实现智慧医疗的基石，有望带来更加高效精准的医疗服务。知识图谱将琐碎、零散的医疗信息知识相互连接，以支持综合型辅助诊疗、知识检索问答和智慧医疗。近几年,随着大数据与人工智能技术在医学领域的广泛应用，研究的主题也逐渐向多元化发展,包括电子病历、临床路径等在内的各类专科专病知识库建设成为研究热点。然而，一方面，大部分医学知识图谱仅记录知识来源的类型或出处，缺乏更准确可靠的知识证据信息。另一方面，当前已有的知识图谱仍然存在大量的不可靠信息，这对进一步知识推理与发现造成了极大的挑战。因此，亟需构建一种可靠知识图谱的构建与评价方法。

医学知识图谱是一种垂直领域知识图谱，是一种基于图的语义网络，表示生物医学实体之间的关系，目的是为了提升搜索结果的质量和提高检索效率。但是，由于医学研究环境和人体系统的个体性和复杂性，在条件和环境无法控制的情况下，存在大量假阳性的研究结果，是正常合理的现象，生物医学知识的产生往往是基于特定条件的，因此如何通过关联文献的方法鉴别现有的医学知识所需要的环境和条件是非常重要的。充分利用文献的作者、上下文、关键词、题录等特征，建立起医学知识与文献的关联，明确不同情境下医学知识的含义。

随着大数据和人工智能技术时代到来，以数字化、信息化、智能化为核心的智慧医疗在生物医学领域迅速发展并且取得了广泛的应用，同时积累了海量的电子病历、科学文献数据。如何对大规模医学数据进行存储以及有效利用是亟需解决的问题。知识图谱作为存储结构化知识的有效途径被广泛应用。由于医学知识图谱的构建方式多种多样，不同来源的知识在不同的使用场景下可能会有不同程度的可靠性，同时，由于新的医学知识的不断发现，医学知识图谱总是处于一个不断完善更新的状态。现有的医学知识图谱，根据各自不同的数据集成方式、数据来源、数据分析方式等，有各自的评价标准。例如，Forum利用现有的语义网络推断新的关系，并利用富集分析等方法构建带有权重的知识图谱。MalaCards疾病数据库通过构建自定义的MIFTS、MSRS、MCRS等评分标准，衡量疾病-基因等关系的可靠度。大部分医学知识图谱通过集成不同来源数据库的方式构建，没有考虑不同情境下知识的可靠性问题。现有的大部分医学知识图谱仅记录知识的来源和出处，但是医学知识需要考虑上下文背景信息，不同来源的知识可靠性往往也是不同的，直接集成会导致整体知识的不可靠。另外，针对现有的知识图谱，并没有一个有效的知识可靠性评价方法。

胡满满等人提出了一种基于神经网络和远程监督的医学知识图谱构建方法和系统，通过获取医学文本集和医学实体集，使用远程监督方法训练命名实体识别和关系抽取模型，从大规模非结构化数据中自动抽取并构建包含候选实体及其关系的医学知识图谱。但由于使用医学文本集作为语料库，无法验证其可靠性，并且直接将带有大量噪声的远程标注的数据输入到模型，难以达到预期效果。

王雅琳等人提出了一种知识图谱三元组可靠性评估方法，通过利用预训练模型的嵌入向量、通过随机替换实体或关系构建正负样本和其他图谱信息，训练二分类神经网络，评估三元组知识的可靠性，但该方法只考虑了图谱本身的信息，没有关联外部的证据信息。

发明内容

本发明的目的在于提供一种基于关联文献的医学知识图谱的知识评价方法及系统，以解决上述背景技术中存在的至少一项技术问题。