[發明專利]基于知識圖譜表征學習的醫療方案推薦系統及方法

有效

• 申請號: 202011153510.4
• 申請日: 2020-10-26
• 公開（公告）號: CN112242187B
• 公開（公告）日: 2023-06-27
• 發明（設計）人: 顏澤龍;王健宗;吳天博;程寧
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G16H20/00
• 分類號: G16H20/00;G16H50/70;G06F16/36;G06F16/35;G06F40/30;G06F40/242;G06F40/216
• 代理公司: 北京中強智尚知識產權代理有限公司 11448
• 代理人: 黃耀威

本申請公開了一種基于知識圖譜表征學習的醫療方案推薦系統及方法，涉及人工智能技術領域，可解決現有醫療推薦系統推薦的醫療信息不夠精準，且容易存在潛在風險的問題。其中系統包括：提取模塊，用于獲取目標用戶的患者數據，并提取所述患者數據中的目標實體；劃分模塊，用于根據所述目標實體從醫療知識圖譜中劃分知識圖譜子圖；第一確定模塊，用于基于表征學習確定所述知識圖譜子圖對應的低維向量；獲取模塊，用于將所述低維向量輸入到符合預設訓練標準的推薦模型中，獲取得到與所述患者數據匹配的醫療推薦結果。本申請適用于對醫療方案的智能化推薦。

技術領域

本申請涉及人工智能技術領域，尤其涉及到一種基于知識圖譜表征學習的醫療方案推薦系統及方法。

背景技術

隨著現代信息技術的發展，為了構建與物聯網、云計算、大數據、空間地理信息集成等新一代信息技術為基礎的智慧城市，并且提高國民的數字化體驗，各種智能系統應運而生。在醫療領域，通過配置醫療推薦系統，能夠幫助病人和醫生大大縮短就診時間，節省人力物力。

目前現有的醫療推薦系統往往采用固定的搜索方式，或單純使用醫生和病人的歷史交互信息作為輸入，從而進行相關醫療信息的推薦，然而不能很好地通過對個人信息的全面分析以更好地推薦醫療信息，導致推薦的醫療方案不夠準確，容易存在潛在風險。

發明內容

有鑒于此，本申請提供了一種基于知識圖譜表征學習的醫療方案推薦系統及方法，主要解決現有醫療推薦系統推薦的醫療信息不夠精準，且容易存在潛在風險的問題。

根據本申請的一個方面，提供了一種基于知識圖譜表征學習的醫療方案推薦系統，該系統包括：

提取模塊，用于獲取目標用戶的患者數據，并提取所述患者數據中的目標實體；

劃分模塊，用于根據所述目標實體從醫療知識圖譜中劃分知識圖譜子圖；

第一確定模塊，用于基于表征學習確定所述知識圖譜子圖對應的低維向量；

獲取模塊，用于將所述低維向量輸入到符合預設訓練標準的推薦模型中，獲取得到與所述患者數據匹配的醫療推薦結果。

優選地，所述提取模塊，具體包括：

第一訓練單元，用于訓練用于抽取實體類的實體抽取模型；

抽取單元，用于利用符合第一預設訓練標準的所述實體抽取模型抽取患者數據中的目標實體。

優選地，所述第一訓練單元，具體用于：

對訓練集數據中所包含的實體類進行詞性標注；

將標注處理后的所述訓練集數據輸入至實體抽取模型中，訓練所述實體抽取模型基于Jieba自然語言處理庫抽取實體類；

若確定所述實體類的抽取誤差小于預設閾值，則判定所述實體抽取模型通過訓練；

若確定所述實體類的抽取誤差大于或等于所述預設閾值，則判定所述實體抽取模型未通過訓練，利用預先標注好詞性的訓練集數據重復修正訓練所述實體抽取模型，以使所述實體抽取模型滿足第一預設訓練標準。

優選地，所述劃分模塊，具體包括：

標記單元，用于在所述目標實體中標記核心對象實體和次要對象實體；

遍歷單元，用于以各個所述核心對象實體為遍歷起點對醫療知識圖譜進行遍歷，并在遍歷到所述次要對象實體時停止該方向的遍歷；

劃分單元，用于依據各個所述核心對象實體的遍歷結果劃分知識圖譜子圖。

優選地，所述第一確定模塊，具體包括：

提取單元，用于提取所述知識圖譜子圖中的各個三元組；