[發明專利]一種惡性腫瘤診療知識獲取方法及裝置

在審

• 申請號: 202011627497.1
• 申請日: 2020-12-31
• 公開（公告）號: CN112699230A
• 公開（公告）日: 2021-04-23
• 發明（設計）人: 張秀梅;楊風雷;姚達
• 申請（專利權）人: 北京萬方數據股份有限公司
• 主分類號: G06F16/335
• 分類號: G06F16/335;G06F16/36;G06N3/08;G16H50/70
• 代理公司: 北京超凡宏宇專利代理事務所(特殊普通合伙) 11463
• 代理人: 榮穎佳

1.一種惡性腫瘤診療知識獲取方法，其特征在于，包括：

接收用戶端的文獻范圍選擇信息，并根據所述文獻范圍選擇信息從乳腺癌文獻庫中篩選出目標文獻；所述文獻范圍選擇信息包括文獻選擇信息和文獻內容選擇信息；

從所述目標文獻中隨機選取預設數量的文獻構成訓練語料庫，根據所述訓練語料庫進行模型訓練，得到知識提取模型；

通過所述知識提取模型對所述目標文獻進行知識提取，得到待處理知識信息；

根據預設知識詞典對所述待處理知識信息進行標準化詞匹配，并對匹配到的標準化詞進行知識整理，得到標準化知識。

2.如權利要求1所述的方法，其特征在于，在根據預設知識詞典對所述待處理知識信息進行標準化詞匹配，并對匹配到的標準化詞進行知識整理，得到標準化知識之后，還包括：

根據預設模糊消解詞典對所述標準化知識進行待明晰化詞匹配，并對匹配到的待明晰化詞進行知識整理，得到模糊消解后的標準化知識。

3.如權利要求1所述的方法，其特征在于，在根據預設知識詞典對所述待處理知識信息進行標準化詞匹配，并對匹配到的標準化詞進行知識整理，得到標準化知識之后，還包括：

根據所述標準化知識，通過預設表示方式進行知識展示，并根據預設推理算法進行知識推理；所述預設表示方式包括本體和知識圖譜；所述預設推理算法包括確定性推理算法和不確定性推理算法。

4.如權利要求1所述的方法，其特征在于，所述從所述目標文獻中隨機選取預設數量的文獻構成訓練語料庫，根據所述訓練語料庫進行模型訓練，得到知識提取模型，包括:

從所述目標文獻中隨機選取預設數量的文獻構成訓練語料庫；所述訓練語料庫中的文獻信息按照預設比例分為訓練集合、測試集合和驗證集合；

針對訓練集合中的訓練樣本，進行樣本標注，得到標注后的訓練樣本；

依據所述標注后的訓練樣本和預設學習算法進行模型訓練，得到待測試模型；所述預設學習算法包括深度學習算法和淺層學習算法；

依據測試集合對所述待測試模型進行模型測試，得到模型精確度，判斷該模型精確度是否大于預設閾值；

若模型精確度小于預設閾值，則依據驗證集合對所述待測試模型進行模型驗證，根據驗證結果進行參數調節，并再次進行模型測試；

若模型精確度大于預設閾值，則將所述待測試模型確認為知識提取模型。

5.如權利要求4所述的方法，其特征在于，所述依據所述標注后的訓練樣本和預設學習算法進行模型訓練，得到待測試模型，包括：

將所述標注后的訓練樣本轉換成融合向量輸入到待訓練模型中進行模型訓練，得到待測試模型；所述融合向量是由字向量、詞向量、位置向量和乳腺癌詞向量對齊相加得到的。

6.一種惡性腫瘤診療知識獲取裝置，其特征在于，包括：

篩選模塊，用于接收用戶端的文獻范圍選擇信息，并根據所述文獻范圍選擇信息從乳腺癌文獻庫中篩選出目標文獻；所述文獻范圍選擇信息包括文獻選擇信息和文獻內容選擇信息；

訓練模塊，用于從所述目標文獻中隨機選取預設數量的文獻構成訓練語料庫，根據所述訓練語料庫進行模型訓練，得到知識提取模型；

提取模塊，用于通過知識提取模型對目標文獻進行知識提取，得到待處理知識信息；

標準化模塊，用于根據預設知識詞典對所述待處理知識信息進行標準化詞匹配，并對匹配到的標準化詞進行知識整理，得到標準化知識。

7.如權利要求6所述的裝置，其特征在于，還包括：

模糊消解模塊，用于根據預設模糊消解詞典對所述標準化知識進行待明晰化詞匹配，并對匹配到的待明晰化詞進行知識整理，得到模糊消解后的標準化知識。

8.如權利要求6所述的裝置，其特征在于，還包括：

應用模塊，用于根據所述標準化知識，通過預設表示方式進行知識展示，并根據預設推理算法進行知識推理；所述預設表示方式包括本體和知識圖譜；所述預設推理算法包括確定性推理算法和不確定性推理算法。