[發明專利]醫學健康領域知識圖譜的關系抽取方法及系統

有效

• 申請號: 201810708686.8
• 申請日: 2018-07-02
• 公開（公告）號: CN109145120B
• 公開（公告）日: 2021-11-02
• 發明（設計）人: 常德杰;孔飛;卜江勇;趙進;劉邦長;劉朝振;姜鵬
• 申請（專利權）人: 北京妙醫佳信息技術有限公司
• 主分類號: G06F16/36
• 分類號: G06F16/36;G06F16/35;G06F16/383
• 代理公司: 北京德恒律治知識產權代理有限公司 11409
• 代理人: 章社杲;盧軍峰

本發明公開了一種醫學健康領域知識圖譜的關系抽取方法及系統，該關系抽取方法包括：步驟S1，構造訓練語料；步驟S2，將所述訓練語料輸入至基于Bi?GRU和雙重關注的模型進行訓練，以得到關系抽取模型，所述雙重關注包括字級別的關注和句子級別的關注；步驟S3，使用關系抽取模型預測知識文本中的實體之間的關系。本發明的上述技術方案，能夠在構建醫療健康領域知識圖譜中自動發現實體之間的關系。

技術領域

本發明涉及一種醫學健康領域知識圖譜的關系抽取方法及系統。

背景技術

如果知識是人類進步的階梯，知識圖譜就是AI(Artificial Intelligence，人工智能)進步的階梯。知識圖譜作為一項AI領域的底層技術，可以把人類的知識轉化為機器可理解的知識，是AI在行業領域內深化機器智能最為重要的技術之一。最近幾年各個行業在機器智能領域都在建立行業內知識圖譜以提供深度的知識服務。

在全數據時代，知識圖譜將原本沒有聯系的數據連接起來，可以發現數據間人類尚未發現的關系，這些發現可用于醫療領域內的藥物研制、疾病的深度探索等等。知識圖譜還可用于知識問答、用戶檢索、行為決策等等領域。

但是，知識圖譜的構建卻具有很大的技術難度，需要使用自然語言處理技術、數據庫技術和語義推理等多重技術作支持，同時還需要大量的專業人員參與校驗。總之，想建立一個關于全部人類知識的廣義圖譜是非常巨大的工程，目前只有少數幾家公司和組織在嘗試。另一方面針對各個行業領域的領域內的知識圖譜也正方興未艾，相比于上述廣義知識圖譜，領域內知識圖譜只需關注某個領域的人類知識即可，其可構建化成本也要小很多，例如醫療健康領域內的知識圖譜。

然而，面對海量的自由文本和醫學專家文章，若人工構建醫學知識圖譜需要花費巨大的人力物力。所以近幾年業內開始嘗試使用機器學習的方式自動構建知識圖譜，常規的自動構建方式在抽取關系對上的準確率有待提升，無法達到工業級的應用標準。困難在于：一是常規機器學習方法的瓶頸在處理海量數據里力不從心，二是組織起高質量的訓練語料非常困難，即便有了更好的算法，但是沒有高質量的訓練語料也達不到好的效果。

針對相關技術中的上述問題，目前尚未提出有效的解決方案。

發明內容

針對相關技術中的上述問題，本發明提出一種醫學健康領域知識圖譜的關系抽取方法及系統，能夠在構建醫療健康領域知識圖譜中自動發現實體之間的關系。

本發明的技術方案是這樣實現的：

根據本發明的一個方面，提供了一種醫學健康領域知識圖譜的關系抽取方法，包括：

步驟S1，構造訓練語料，

步驟S2，將訓練語料輸入至基于Bi-GRU和雙重關注的模型進行訓練，以得到關系抽取模型，雙重關注包括字級別的關注和句子級別的關注；

步驟S3，使用關系抽取模型預測知識文本中的實體之間的關系。

根據本發明的實施例，在步驟S1中，構造訓練語料包括：根據知識圖譜抽取其中的關系對，并在語料庫中選擇正確的句子，以構造正關系對樣本。

根據本發明的實施例，在步驟S1中，構造訓練語料還包括：隨機抽取沒有關系的實體對，并在語料庫中隨機抽取與沒有關系的實體對共現的句子，以構造負關系對樣本。

根據本發明的實施例，步驟S2包括：將訓練語料中的每一個字符輸入作為字嵌入，隨后對每個句子的輸入進行訓練并加入字級別的關注。

根據本發明的實施例，步驟S3包括：識別知識文本中的實體；提取與識別的實體共現的句子；根據提取的句子，并使用關系抽取模型預測識別的實體之間的關系。

根據本發明的實施例，其中，基于Bi-GRU和雙重關注的模型的輸入層包括句子、實體對、以及實體對之間的關系。