[發明專利]一種自動判斷并融合知識圖譜的關系抽取方法及系統

在審

• 申請號: 202210485506.0
• 申請日: 2022-05-06
• 公開（公告）號: CN114925212A
• 公開（公告）日: 2022-08-19
• 發明（設計）人: 劉碩;楊雅婷;宋佳祥;朱寧;白焜太;許娟;史文釗
• 申請（專利權）人: 神州醫療科技股份有限公司
• 主分類號: G06F16/36
• 分類號: G06F16/36;G06F16/335;G06F16/35;G06F16/951;G06F40/205;G06F40/295;G16H10/60
• 代理公司: 北京星通盈泰知識產權代理有限公司 11952
• 代理人: 夏晶

本發明公開了一種自動判斷并融合知識圖譜的關系抽取方法及系統，在醫學范圍內預先建立了小范圍的原始數據庫，基于此原始數據庫并結合醫學知識圖譜充分獲取了待分類的實體的更多特征信息，如實體、句子、屬性節點以及上下文信息，提高了模型可獲得的信息量，提高關系分類任務的準確率，對不同類型的實體數據進行數據增強和調整超參數，進一步提高了關系分類抽取的準確率；將實體、句子、屬性節點以及上下文信息等特征信息融合到關系抽取的任務中并結合注意力機制的計算方式對相關性屬性節點進行了篩選，從而能根據節點的關鍵信息以及當前任務的重要程度做出篩選，考慮到不同語境下的節點所代表的含義，優化了目前構建醫學術語集的準確性。

技術領域

本發明屬于數據挖掘技術領域，具體涉及一種自動判斷并融合知識圖譜的關系抽取方法及系統。

背景技術

在構建醫學術語集過程中，我們會根據各種權威及臨床醫學知識信息來篩選有價值的醫學知識信息，其中在大規模的原始醫學知識信息面前，我們采用純手工的模式來做耗時耗力，因此，結合深度學習模型的醫學信息抽取就發揮了重要的價值，在醫學信息抽取中，在經過實體抽取之后的實體關系分類模塊也是構建知識圖譜過程中的一個關鍵的技術環節，其目的是在從原始文本中抽取出有價值的實體之后，查找出實體之間的關系。關系抽取技術的新發展主要歸功于深度學習及遷移學習任務方式的發展進步，當前深度學習及已經廣泛應用于自然語言處理和其他人工智能任務中。對于知識圖譜構建中的關系抽取任務來說，通過深度學習可以自動學習到更多文本中的有價值特征參與到關系分類任務中去。

根據現有的關系分類任務劃分為pipline形式任務和jointmodel形式任務，jointmodel形式任務的關系分類旨在構建實體提取和關系分類的聯合訓練模型，在輸入原始文本后可以直接提取出文本中的實體和實體間的關系；而pipline形式的關系分類旨在根據之前實體抽取的任務結果的基礎上來進行關系分類任務，目前主流的解決方案有兩類任務實現方式，詳細過程如下：

采用神經網絡的分類、基于規則的關系分類、采用無監督算法的關系分類。

第一種為采用基于無監督算法的關系分類方法。可以分為以下二步：(1)基于word2vec等方法獲取實體的嵌入表示；(2)用無監督算法(如Kmeans)對向量表示的實體進行聚類分組，獲取每對實體所屬的關系類型。

第二種為基于神經網絡的分類方法。可以分為以下三步：(1)獲取關系分類的標注文件；(2)訓練基于神經網絡的關系分類算法模型，如spert；(3)對所有的實體對所屬的關系進行模型推理，得到關系類別。

上述方案還存在以下幾個問題：

1、上述兩種方法都可以一定程度上解決關系分類的問題，但是卻都未能充分獲取已有實體對本身的特征信息，并融合進關系分類的任務當中去，從而降低了模型可獲得的信息量，降低關系分類任務的準確率。

2、針對不同領域相似實體及同一知識庫內的無關聯實體，基于神經網絡的關系分類方法會產生大量非關聯實體的噪音；針對不同類型的實體數據未進行數據增強和調整超參數等工作，從而導致關系分類抽取的準確率不高。

3、目前的面向醫學的關系分類系統并不能對節點的關鍵信息根據對當前任務的重要程度做出篩選，不能考慮到不同語境下的節點所代表的含義。

發明內容

針對上述現有技術的不足，本申請提供一種自動判斷并融合知識圖譜的關系抽取方法及系統。

第一方面本申請提出了一種自動判斷并融合知識圖譜的關系抽取方法，包括以下步驟：

獲取原始數據以及現有的醫學知識圖譜；

根據所述原始數據在所述醫學知識圖譜中進行檢索得到醫學實體知識對應的實體、實體對應的屬性節點以及實體對應的原句；

將所述實體、屬性節點以及原句進行預處理后進行向量映射，得到嵌入表示向量；