[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

本申請提供一種中醫藥文獻語料庫與知識庫一體化系統，其包括元數據模塊、語料庫、文檔標注模塊、查詢模塊和語義知識庫；元數據模塊用于設定實體類、詞典和語義關系并進行維護；語料庫用于根據導入的文獻形成半結構化文檔；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；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。本申請能夠對文檔進行標注、查詢和語義檢索，提供一種集語料庫、文獻標注、知識加工、分析、知識庫檢索一體化的系統；不僅能夠單獨檢索語義的相關基礎信息，還能夠與文獻形成關聯，追蹤到相關聯的文獻及相類似知識，檢索效率高。

技術領域

本申請屬于中醫信息化技術領域，具體涉及一種中醫藥文獻語料庫與知識庫一體化系統。

背景技術

中醫藥文本文獻是中醫學術的載體，它以圖文的形式記錄著中西醫數千年來積累的豐富理論知識和臨床經驗，長期以來它在中醫藥學的發展進程中發揮著極其重要的地位。文本文獻是由各種類型的術語構成，術語是在特定科學領域用來表示概念稱謂的集合。

本申請發明人在研發過程中發現，由于至今還未形成完整的集語料庫、文獻標注、知識加工、分析、知識庫檢索一體化的方法以及系統性的概念分析理論，因此文本文獻、術語標注與語義知識庫還是一個個信息孤島；如何在文本文獻中對術語進行自動標注，并利用計算機技術對文本文獻進行正確、恰當地使用，充分發揮其在科學技術傳播中的作用，是亟需解決的問題。

發明內容

為至少在一定程度上克服相關技術中存在的問題，本申請提供了一種中醫藥文獻語料庫與知識庫一體化系統。

根據本申請實施例，本申請提供了一種中醫藥文獻語料庫與知識庫一體化系統，其包括元數據模塊、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。

上述中醫藥文獻語料庫與知識庫一體化系統中，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。

上述中醫藥文獻語料庫與知識庫一體化系統中，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。

上述中醫藥文獻語料庫與知識庫一體化系統中，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。

進一步地，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。

更進一步地，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機器標注，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。

更進一步地，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；