[發(fā)明專利]一種基于雙鄰域圖神經(jīng)網(wǎng)絡(luò)的醫(yī)療實(shí)體對(duì)齊方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 202110709149.7
• 申請(qǐng)日: 2021-06-25
• 公開（公告）號(hào): CN113361279B
• 公開（公告）日: 2023-07-25
• 發(fā)明（設(shè)計(jì)）人: 史新晨;章永龍;李斌
• 申請(qǐng)（專利權(quán)）人: 揚(yáng)州大學(xué)
• 主分類號(hào): G06F40/295
• 分類號(hào): G06F40/295;G06F40/30;G06N3/048;G06N3/084;G06N3/0985;G06F16/335;G06F16/35;G06F16/36;G16H50/70
• 代理公司: 南京蘇高專利商標(biāo)事務(wù)所(普通合伙) 32204
• 代理人: 孟紅梅

本發(fā)明公開了一種基于雙鄰域圖神經(jīng)網(wǎng)絡(luò)的醫(yī)療實(shí)體對(duì)齊方法及系統(tǒng)，屬于自然語言處理中的知識(shí)圖譜融合領(lǐng)域。本發(fā)明首先抽取醫(yī)療實(shí)體對(duì)及相應(yīng)的關(guān)系和屬性，預(yù)處理后構(gòu)建實(shí)體對(duì)齊數(shù)據(jù)集；然后通過雙鄰域特征聚合生成實(shí)體鄰域和屬性鄰域的節(jié)點(diǎn)特征，并通過串聯(lián)操作和跳躍連接生成全局感知的實(shí)體表示；最后進(jìn)行實(shí)體相似度計(jì)算與訓(xùn)練，并用訓(xùn)練完的模型預(yù)測(cè)源實(shí)體的目標(biāo)實(shí)體。本發(fā)明提出的方法將醫(yī)療知識(shí)圖譜中的相關(guān)屬性視為一類特殊的節(jié)點(diǎn)，從而將實(shí)體和屬性建模在統(tǒng)一的網(wǎng)絡(luò)中，并使用雙鄰域圖神經(jīng)網(wǎng)絡(luò)對(duì)圖中的節(jié)點(diǎn)進(jìn)行嵌入，這樣可以同時(shí)捕獲實(shí)體鄰域和屬性鄰域中的結(jié)構(gòu)相似性，最終生成語義豐富的實(shí)體表示，達(dá)到提高醫(yī)療實(shí)體對(duì)齊準(zhǔn)確性的目的。

技術(shù)領(lǐng)域

本發(fā)明屬于自然語言處理中的知識(shí)圖譜融合領(lǐng)域，特別涉及一種基于雙鄰域圖神經(jīng)網(wǎng)絡(luò)的醫(yī)療實(shí)體對(duì)齊方法及系統(tǒng)。

背景技術(shù)

隨著數(shù)據(jù)挖掘的繁榮發(fā)展，眾多領(lǐng)域都產(chǎn)生了相應(yīng)的知識(shí)圖譜。在醫(yī)療領(lǐng)域，醫(yī)療知識(shí)圖譜中知識(shí)來源的多樣性導(dǎo)致了知識(shí)重復(fù)、知識(shí)質(zhì)量良莠不齊、知識(shí)間關(guān)聯(lián)不夠明確等問題。例如阿奇霉素在百度百科中被稱為希舒美，在A+醫(yī)學(xué)百科中別名有阿齊霉素、阿奇紅霉素、疊氮紅霉素等，商品名有泰力特、希舒美、舒美特等。實(shí)體對(duì)齊可以自動(dòng)識(shí)別不同醫(yī)療知識(shí)圖譜中的等價(jià)實(shí)體，是醫(yī)學(xué)知識(shí)融合中非常重要的一步。

目前，基于嵌入的實(shí)體對(duì)齊是實(shí)體對(duì)齊任務(wù)中的主流方法，它的關(guān)鍵思想是將知識(shí)圖譜中的元素(如實(shí)體和關(guān)系)表示為低維向量(稱為嵌入)，使得實(shí)體的語義相關(guān)性被嵌入空間的幾何結(jié)構(gòu)捕獲。根據(jù)嵌入模型的不同，基于嵌入的實(shí)體對(duì)齊可以分為兩大類，即基于翻譯的實(shí)體對(duì)齊和基于圖神經(jīng)網(wǎng)絡(luò)的實(shí)體對(duì)齊。第一類方法使用TransE及其變體建模知識(shí)圖譜的結(jié)構(gòu)，它們將關(guān)系解釋為從其頭部實(shí)體到其尾部實(shí)體的翻譯。第二類方法使用圖神經(jīng)網(wǎng)絡(luò)對(duì)知識(shí)圖譜進(jìn)行嵌入，因?yàn)閳D神經(jīng)網(wǎng)絡(luò)對(duì)于建模圖結(jié)構(gòu)的數(shù)據(jù)有很好的效果。此外，除了關(guān)系三元組，還有一些方法引入實(shí)體屬性、文本描述等了額外的信息來提高實(shí)體對(duì)齊的結(jié)果。但是現(xiàn)有的方法對(duì)于屬性三元組的利用仍然存在兩個(gè)缺陷。首先，這些方法都是在分開的網(wǎng)絡(luò)中建模關(guān)系三元組和屬性三元組，來自實(shí)體鄰域和屬性鄰域的對(duì)齊信號(hào)僅僅被保留在他們自身的網(wǎng)絡(luò)之中，而不能跨網(wǎng)絡(luò)進(jìn)行傳播。其次，有些方法使用了預(yù)訓(xùn)練的詞向量或者機(jī)器翻譯等外部工具，這不僅使得最終的實(shí)體對(duì)齊結(jié)果依賴于工具本身的質(zhì)量，還會(huì)增加模型的復(fù)雜度和訓(xùn)練開銷。

發(fā)明內(nèi)容

發(fā)明目的：針對(duì)上述現(xiàn)有方法存在的技術(shù)問題，本發(fā)明的目的在于提供一種基于雙鄰域圖神經(jīng)網(wǎng)絡(luò)的醫(yī)療實(shí)體對(duì)齊方法及系統(tǒng)，能夠有效利用屬性信息，生成語義更加豐富的實(shí)體表示，并具有參數(shù)少、訓(xùn)練開銷小、對(duì)齊結(jié)果準(zhǔn)確性高等特點(diǎn)。

技術(shù)方案：為實(shí)現(xiàn)上述發(fā)明目的，本發(fā)明采用的技術(shù)方案為：

一種基于雙鄰域圖神經(jīng)網(wǎng)絡(luò)的醫(yī)療實(shí)體對(duì)齊方法，包括以下步驟：

步驟1，從鏈接開放數(shù)據(jù)項(xiàng)目所存儲(chǔ)的醫(yī)療知識(shí)圖譜中，抽取醫(yī)療領(lǐng)域?qū)R的實(shí)體對(duì)以及相應(yīng)的關(guān)系和屬性，并對(duì)得到的數(shù)據(jù)進(jìn)行預(yù)處理；

步驟2，將實(shí)體和屬性建模在統(tǒng)一的網(wǎng)絡(luò)中，通過關(guān)系三元組定義實(shí)體和實(shí)體之間的拓?fù)溥B接，屬性三元組定義實(shí)體和屬性之間的拓?fù)溥B接，使用圖神經(jīng)網(wǎng)絡(luò)分別在實(shí)體鄰域和屬性鄰域進(jìn)行特征聚合，生成實(shí)體鄰域特征和屬性鄰域特征，并使用門控機(jī)制進(jìn)行特征整合以保持實(shí)體嵌入的維度不變；

步驟3，通過串聯(lián)操作得到每一層的雙鄰域特征，并通過跳躍連接輸出，生成全局感知的實(shí)體表示；

步驟4，根據(jù)兩個(gè)實(shí)體在嵌入空間的距離計(jì)算相似度，對(duì)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，并用訓(xùn)練完的模型預(yù)測(cè)源實(shí)體的目標(biāo)實(shí)體。

進(jìn)一步地，步驟1中具體過程包括：

步驟1-1，隨機(jī)抽取不同醫(yī)療知識(shí)圖譜中對(duì)齊的醫(yī)療實(shí)體對(duì)；

步驟1-2，抽取步驟1-1獲得的實(shí)體的關(guān)系和屬性信息，以關(guān)系三元組和屬性三元組的方式存儲(chǔ)；