[發明專利]中醫藥文獻語料庫與知識庫一體化系統

在審

• 申請號: 202210413257.4
• 申請日: 2022-04-20
• 公開（公告）號: CN114791955A
• 公開（公告）日: 2022-07-26
• 發明（設計）人: 劉麗紅;朱彥;李海燕;賈李蓉;楊碩;姚克宇;高博;陳超;聶瑩
• 申請（專利權）人: 中國中醫科學院中醫藥信息研究所
• 主分類號: G06F16/36
• 分類號: G06F16/36;G06F16/34;G06F16/84;G06F40/242;G06F40/279;G06F40/30;G16H70/40
• 代理公司: 北京科石知識產權代理有限公司 11595
• 代理人: 李艷霞

1.一種中醫藥文獻語料庫與知識庫一體化系統，其特征在于，包括元數據模塊、語料庫、文檔標注模塊、查詢模塊和語義知識庫；

所述元數據模塊用于設定實體類、詞典和語義關系并進行維護；

所述語料庫用于根據導入的文獻形成半結構化文檔；

所述文檔標注模塊以詞典為標注依據對半結構化文檔進行標注；

所述查詢模塊用于對元數據進行查詢，以獲得實體類、詞典和語義關系的查詢結果；

所述語義知識庫用于對語義信息、語義出處和原文情況進行檢索。

2.根據權利要求1所述的中醫藥文獻語料庫與知識庫一體化系統，其特征在于，所述元數據模塊中設置有實體類和語義關系，每個所述實體類包括至少一個詞典；所述語義關系根據所述實體類的屬性定義各實體類之間的關系。

3.根據權利要求1所述的中醫藥文獻語料庫與知識庫一體化系統，其特征在于，所述語料庫中包括至少一個專題，每個所述專題下涵蓋有多個文獻；所述文獻以樹形結構進行展示。

4.根據權利要求1所述的中醫藥文獻語料庫與知識庫一體化系統，其特征在于，所述文檔標注模塊包括在線標注模塊和語料標注模塊；所述在線標注模塊用于獲取用戶輸入的標注文本，并對標注文本進行在線標注；所述語料標注模塊用于對半結構化文檔中的數據進行標注。

5.根據權利要求4所述的中醫藥文獻語料庫與知識庫一體化系統，其特征在于，所述文檔標注模塊的標注方式包括人工標注和機器標注；所述在線標注模塊采用人工標注方式進行標注。

6.根據權利要求5所述的中醫藥文獻語料庫與知識庫一體化系統，其特征在于，所述在線標注模塊采用人工標注方式進行標注的具體過程為：

人工選中某篇文獻或某篇文獻中的某個詞組，并利用“實體編碼”對選中的數據進行標注；

在線標注模塊通過匹配元數據中的實體、詞典和語義關系對文件中的內容進行匹配，匹配后實現對文獻的自動標注，并采用“實體”的標注顏色顯示標注后的內容；

標注文獻中各個術語之間的語義關系；

人工審核機器標注的術語，最終完成文獻的標注。

7.根據權利要求6所述的中醫藥文獻語料庫與知識庫一體化系統，其特征在于，所述機器標注的具體過程為：

基于人工標注的結果集合得到訓練數據集；

依托分詞算法使訓練數據集不斷進行機器學習，建立語義模型；

將訓練數據集輸入語義模型中，進行迭代和參數調整；

利用標注規則和訓練完成的語義模型進行自動標注。

8.根據權利要求2所述的中醫藥文獻語料庫與知識庫一體化系統，其特征在于，所述查詢模塊用于對實體類、詞典和語義關系進行查詢；

所述查詢模塊對實體類進行查詢時，依據屬性字段進行精準或模糊檢索；所述查詢模塊對詞典進行查詢時，依據詞典標注情況進行精準或模糊檢索；所述查詢模塊對語義關系進行查詢時，在實體類和詞典的檢索結果中獲取相關語義關系的查詢結果。

9.根據權利要求1所述的中醫藥文獻語料庫與知識庫一體化系統，其特征在于，所述語義知識庫的檢索結果包括語義檢索結果和全文檢索結果；所述語義檢索結果中展示檢索的“語義”及“同義詞”；所述全文檢索結果中，通過“所檢索的關鍵詞”，展示“結構化數據”和“非結構化數據”中涵蓋關鍵詞的內容。

10.根據權利要求1所述的中醫藥文獻語料庫與知識庫一體化系統，其特征在于，還包括系統管理模塊，所述系統管理模塊包括機構管理模塊、用戶管理模塊、權限管理模塊、角色管理模塊、字典管理模塊和日志管理模塊。