[發明專利]基于模型的醫學知識圖譜的推理方法、裝置、設備及介質

有效

• 申請號: 202110057441.5
• 申請日: 2021-01-15
• 公開（公告）號: CN112732940B
• 公開（公告）日: 2023-07-14
• 發明（設計）人: 李林峰;閆峻
• 申請（專利權）人: 醫渡云（北京）技術有限公司
• 主分類號: G06F16/36
• 分類號: G06F16/36;G16H50/30;G16H50/50;G16H50/70;G06N5/04;G06N20/00
• 代理公司: 北京律智知識產權代理有限公司 11438
• 代理人: 王輝;闞梓瑄

本申請公開了一種基于模型的醫學知識圖譜的推理方法、裝置、設備及存儲介質，該圖譜包括多個四元組，四元組包括頭實體、屬性關系、尾實體以及函數模型的模型信息，函數模型為確定頭實體與尾實體之間的屬性關系的約束條件的模型，該方法包括：確定待推理對象對應的第一實體和第二實體；基于所述待推理對象對應的第一實體和第二實體確定醫學知識圖譜中對應的至少一個四元組；獲取至少一個四元組對應的模型信息，基于模型信息確定對應的函數模型；基于函數模型以及模型信息確定至少一個四元組對應的屬性關系的約束條件。本申請實施例的技術方案，不僅能夠準確表達兩個實體之間的屬性關系的約束條件，而且能夠根據患者的個體情況進行個性化推理。

技術領域

本申請涉及機器學習技術領域，尤其涉及一種基于模型的醫學知識圖譜的推理方法、裝置、設備及存儲介質。

背景技術

醫學知識圖譜技術是一種揭示醫學知識實體之間的語義網絡，是能夠使得計算機算法系統理解醫學知識的關鍵技術。

醫學知識圖譜一般采用三元組構建而成，如：糖尿病并發癥糖尿病腎病。三元組的三個元素，分別可以稱為頭實體(Head?Entity)、屬性關系(Relation)和尾實體(TailEntity)。在構建完知識圖譜之后，可以基于模型的醫學知識圖譜中已有的醫學知識進行知識推理。

然而，由于三元組的頭實體與尾實體之間的屬性關系的成立或發生一般都會受到一定的條件約束，例如，并不是所有的糖尿病患者都會發生糖尿病腎病，糖尿病患者發生并發癥糖尿病腎病具有一定的概率，這種醫學知識圖譜難以表達屬性關系的條件約束，也無法進行個性化的推理。

發明內容

本申請實施例提供一種基于模型的醫學知識圖譜的推理方法、裝置、設備及存儲介質，用于解決醫學知識圖譜難以表達屬性關系的條件約束，也無法進行個性化的推理的問題。

第一方面，本申請提供一種基于模型的醫學知識圖譜的推理方法，所述醫學知識圖譜包括多個四元組，所述四元組包括頭實體、屬性關系、尾實體以及函數模型的模型信息，所述函數模型為確定所述頭實體與所述尾實體之間的所述屬性關系的約束條件的模型，所述方法包括：確定待推理對象對應的第一實體和第二實體；基于所述待推理對象對應的所述第一實體和所述第二實體確定所述醫學知識圖譜中對應的至少一個四元組；獲取所述至少一個四元組對應的模型信息，基于所述模型信息確定對應的函數模型；基于所述函數模型以及所述模型信息確定所述至少一個四元組對應的所述屬性關系的所述約束條件。

在本申請的一些示例實施例中，所述模型信息包括模型類型，所述模型類型包括：常量函數模型、擬合函數模型、規則函數模型以及復合函數模型中的一種或多種。

在本申請的一些示例實施例中，所述模型信息為以JavaScript對象簡譜JSON格式表示的信息，所述基于所述模型信息確定對應的函數模型，包括：

對所述JSON格式的模型信息進行解析，確定所述模型信息中的所述模型類型；基于所述模型類型確定對應的函數模型。

在本申請的一些示例實施例中，所述至少一個四元組包括一個四元組，所述基于所述模型類型確定對應的函數模型，包括：若所述四元組的模型信息中包含所述規則函數模型和概率模型，則將所述規則函數模型和所述概率模型的乘積作為所述函數模型，所述概率模型包含所述常量函數模型和/或所述擬合函數模型；若所述四元組的模型信息中僅包含所述規則函數模型，則將所述規則函數模型作為所述函數模型；若所述四元組的模型信息中僅包含所述概率模型，則將所述概率模型作為所述函數模型。

在本申請的一些示例實施例中，所述至少一個四元組包括多個四元組，所述基于所述模型類型確定對應的函數模型，包括：確定各個所述四元組的模型信息對應的各個中間推理模型，所述中間推理模型包含所述規則函數模型和/或概率模型；將各個所述中間推理模型的乘積作為所述至少一個四元組對應的函數模型。