[發(fā)明專利]一種基于本體的醫(yī)學(xué)文檔語(yǔ)義關(guān)聯(lián)檢索方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201510344332.6
• 申請(qǐng)日: 2015-06-18
• 公開(kāi)（公告）號(hào): CN105117397B
• 公開(kāi)（公告）日: 2018-08-28
• 發(fā)明（設(shè)計(jì)）人: 李勁松;張藝帆;田雨;茍玲;李鵬飛
• 申請(qǐng)（專利權(quán)）人: 浙江大學(xué)
• 主分類號(hào): G06F17/30
• 分類號(hào): G06F17/30
• 代理公司: 杭州杭誠(chéng)專利事務(wù)所有限公司 33109
• 代理人: 王江成;盧金元

本發(fā)明公開(kāi)了一種基于本體的醫(yī)學(xué)文檔語(yǔ)義關(guān)聯(lián)檢索方法，包括以下步驟：A、對(duì)XML文檔進(jìn)行解析，識(shí)別XML文檔標(biāo)記；B、使用基于鏈接的Rock分類算法對(duì)文檔標(biāo)記進(jìn)行分類，并以本體語(yǔ)言O(shè)WL描述分類結(jié)果，構(gòu)建XML文檔聚類本體；C、利用D2R語(yǔ)義數(shù)據(jù)轉(zhuǎn)換器將解析后的XML文檔標(biāo)記及文本數(shù)據(jù)轉(zhuǎn)化為XML文檔聚類本體的實(shí)例，以語(yǔ)義網(wǎng)資源描述框架三元組形式存儲(chǔ)；D、使用基于簡(jiǎn)單路徑Xpath的向量檢索算法進(jìn)行檢索。本方案能夠?qū)崿F(xiàn)全文的相似性檢索以及對(duì)檢索結(jié)果的相關(guān)性估計(jì)，用戶不需要對(duì)文檔結(jié)構(gòu)非常了解，即可獲取經(jīng)過(guò)完整、準(zhǔn)確的查詢結(jié)果。本方案適用于醫(yī)學(xué)文檔的存儲(chǔ)和檢索處理。

技術(shù)領(lǐng)域

本發(fā)明涉及醫(yī)學(xué)文檔分析和檢索領(lǐng)域，尤其是涉及一種基于本體的醫(yī)學(xué)文檔語(yǔ)義關(guān)聯(lián)檢索方法。

背景技術(shù)

本體(Ontology)，知識(shí)本體是領(lǐng)域概念及概念之間關(guān)系的規(guī)范化描述，這種描述是規(guī)范的、明確的、形式化的，可共享的。“明確”意味著所采用概念的類型和它們應(yīng)用的約束實(shí)行明確的定義。“形式化”指知識(shí)本體是計(jì)算機(jī)可讀的(即能被計(jì)算機(jī)處理)；“共享”反映知識(shí)本體應(yīng)捕捉該領(lǐng)域中一致公認(rèn)的知識(shí)，反映的是相關(guān)領(lǐng)域中公認(rèn)的概念集，即知識(shí)本體針對(duì)的是團(tuán)體而非個(gè)體的共識(shí)。知識(shí)本體的目標(biāo)是捕獲相關(guān)領(lǐng)域的知識(shí),提供對(duì)該領(lǐng)域知識(shí)的共同理解,確定該領(lǐng)域內(nèi)共同認(rèn)可的詞匯,并從不同層次的形式化模式上給出這些詞匯和詞匯間相互關(guān)系的明確定義。

網(wǎng)絡(luò)本體語(yǔ)言(Web Ontology Language,OWL)，一種用于描述語(yǔ)義網(wǎng)上本體論關(guān)系的語(yǔ)言，由W3C制定。

可拓展標(biāo)記語(yǔ)言(Extensible Markup Language,XML),一種用于標(biāo)記電子文件使其具有結(jié)構(gòu)性的標(biāo)記語(yǔ)言。

隨著信息技術(shù)在醫(yī)療衛(wèi)生領(lǐng)域的不斷推廣、數(shù)字化醫(yī)院建設(shè)的不斷深入，醫(yī)院信息系統(tǒng)數(shù)據(jù)量快速膨脹，同時(shí)產(chǎn)生了大量醫(yī)學(xué)文檔，然而由于我國(guó)目前醫(yī)療健康信息化建設(shè)檢索效率并未相應(yīng)提高，存在于這些文檔中的大量患者健康信息、臨床診斷和治療信息、臨床研究信息、藥品和醫(yī)療設(shè)備信息、醫(yī)院管理等其他醫(yī)學(xué)相關(guān)信息尚未得到有效利用，無(wú)法轉(zhuǎn)化為可以指導(dǎo)臨床實(shí)踐的知識(shí)。為此，有必要研究高效的醫(yī)學(xué)文檔檢索方法，使有關(guān)醫(yī)護(hù)人員能夠及時(shí)獲取所需的文檔資源，實(shí)現(xiàn)文檔數(shù)據(jù)的二次應(yīng)用,改善醫(yī)療質(zhì)量,提高醫(yī)療效率。

目前,大多數(shù)醫(yī)學(xué)結(jié)構(gòu)化文檔以XML文檔格式存在,常用的檢索方法有兩類，一類是基于XML查詢語(yǔ)言的方法,如XQL、XML-QL、XML-GL、Quilt、XQuery等；另一類是基于傳統(tǒng)的信息檢索算法的方法，如布爾邏輯模型算法、概率模型算法、向量空間模型(VSM)算法等。

單純使用XML查詢語(yǔ)言體現(xiàn)出以下幾點(diǎn)不足：

(1)為了實(shí)現(xiàn)精確的查詢需要最終用戶非常熟悉查詢語(yǔ)言的語(yǔ)法；

(2)需要用戶對(duì)文檔結(jié)構(gòu)有全面而徹底的了解；

(3)查詢實(shí)現(xiàn)的僅僅是精確的布爾邏輯的匹配；

(4)不支持對(duì)查詢結(jié)果進(jìn)行文檔相關(guān)性估計(jì)。

基于傳統(tǒng)的信息檢索算法的查詢可以在一定程度上彌補(bǔ)單純XML查詢語(yǔ)言查詢的上述缺陷,具有更強(qiáng)的通用性和更優(yōu)越的檢索性能，而傳統(tǒng)的信息檢索技術(shù)僅把文檔簡(jiǎn)單地看成是一系列關(guān)鍵詞的集合，不考慮或很少考慮XML文檔特有的結(jié)構(gòu)信息以及醫(yī)學(xué)文檔特殊的語(yǔ)義信息，因此直接用于醫(yī)學(xué)XML文檔的檢索效果不佳。

發(fā)明內(nèi)容

本發(fā)明主要是解決現(xiàn)有技術(shù)所存在的對(duì)用戶要求高、檢索結(jié)果不夠智能、無(wú)法對(duì)查詢結(jié)果進(jìn)行文檔相關(guān)性估計(jì)等的技術(shù)問(wèn)題，提供一種可以兼顧到XML文檔特有的結(jié)構(gòu)信息以及醫(yī)學(xué)文檔特殊的語(yǔ)義信息，具有良好的檢索效果的基于本體的醫(yī)學(xué)文檔語(yǔ)義關(guān)聯(lián)檢索方法。

本發(fā)明針對(duì)上述技術(shù)問(wèn)題主要是通過(guò)下述技術(shù)方案得以解決的：一種基于本體的醫(yī)學(xué)文檔語(yǔ)義關(guān)聯(lián)檢索方法，包括以下步驟：