[发明专利]面向多源数据的医疗行业高可信度知识图谱的构建方法

权利要求书

1.面向多源数据的医疗行业高可信度知识图谱的构建方法，其特征在于：包括以下步骤：

S1，可信知识源评估：对知识源的可信度进行评估，分离出可信度较高的知识源；

S2，知识源采集：对完成可信度较高的知识源的知识采集和存储；

S3，知识源分析，半结构化文本处理：对知识源进行知识结构分析和知识元素的半结构化文本处理；

S4，知识抽取：基于知识结构分析的结果，对半结构化文本的文本使用NLP技术进行文本抽取，形成以知识三元组为表示形式的基础知识结构；

S5，知识质量评估和融合，基于业内标准对医疗实体进行标准化，完成知识的融合；

S6，知识图谱构建，对抽取的知识三元组进行知识质量的评估，利于知识溯源技术降低众包人员的知识要求，提高知识评估的效率和质量，将存在异议的知识将被进行标记或去除，基于融合后的知识三元组和知识图谱的本体设计，利用图计算技术形成高可信度的医疗行业知识图谱，可用于导诊、辅诊等的智能推理辅助应用的基础支撑。

2.根据权利要求1所述的面向多源数据的医疗行业高可信度知识图谱的构建方法，其特征在于：所述S2中知识源采集的同时开展对医疗领域知识图谱的本体设计。

3.根据权利要求1所述的面向多源数据的医疗行业高可信度知识图谱的构建方法，其特征在于：所述S2中基于知识图谱的本体设计的需求，开发对于的NLP模型，用于S4中知识三元组的抽取。

4.根据权利要求1所述的面向多源数据的医疗行业高可信度知识图谱的构建方法，其特征在于：所述S1中对知识源的可信度进行评估，知识源可信度评估的结果是一个后续知识可信度评估过程中需要用到的一个系数，每个知识源的可信度系数按如下三个维度标准进行评估。

5.根据权利要求1所述的面向多源数据的医疗行业高可信度知识图谱的构建方法，其特征在于：所述S4中知识三元组为每个段落形成一个存储单元，每个知识点形成一个至少三层的树状结构存储形式，即知识点-知识描述结构-文本段落。

6.根据权利要求2所述的面向多源数据的医疗行业高可信度知识图谱的构建方法，其特征在于：所述医疗领域知识图谱的本体设计包括对实体、实体属性、关系、关系属性的设计。

7.根据权利要求5所述的面向多源数据的医疗行业高可信度知识图谱的构建方法，其特征在于：基于现有知识抽取模型，对第三步形式的半结构化文本数据进行知识抽取，获取以“知识点-知识描述结构-文本段落”为知识表达方式的知识三元组，并对抽取的每个三元组记录具体的出处和位置。