[發(fā)明專利]應(yīng)用于醫(yī)學(xué)領(lǐng)域的消歧方法、裝置、電子設(shè)備和介質(zhì)

有效

• 申請?zhí)枺?/td>: 202210926041.8
• 申請日: 2022-08-03
• 公開（公告）號: CN114969386B
• 公開（公告）日: 2022-11-18
• 發(fā)明（設(shè)計(jì)）人: 劉碩;楊雅婷;宋佳祥;朱寧;白焜太;許娟;史文釗
• 申請（專利權(quán)）人: 神州醫(yī)療科技股份有限公司
• 主分類號: G06F16/36
• 分類號: G06F16/36;G06N3/04;G06F16/31;G06F40/289;G06F40/295;G16H50/20
• 代理公司: 北京星通盈泰知識產(chǎn)權(quán)代理有限公司 11952
• 代理人: 夏晶

1.一種應(yīng)用于醫(yī)學(xué)領(lǐng)域的消歧方法，包括：

獲取醫(yī)學(xué)知識圖譜和待消歧數(shù)據(jù)；

基于所述醫(yī)學(xué)知識圖譜，對所述待消歧數(shù)據(jù)進(jìn)行消歧處理，得到新的醫(yī)學(xué)知識圖譜；

將所述新的醫(yī)學(xué)知識圖譜存儲至目標(biāo)醫(yī)學(xué)信息平臺的數(shù)據(jù)庫。

2.根據(jù)權(quán)利要求1所述的應(yīng)用于醫(yī)學(xué)領(lǐng)域的消歧方法，其特征在于，所述基于所述醫(yī)學(xué)知識圖譜，對所述待消歧數(shù)據(jù)進(jìn)行消歧處理，得到新的醫(yī)學(xué)知識圖譜，包括：

將所述醫(yī)學(xué)知識圖譜和所述待消歧數(shù)據(jù)輸入至預(yù)先訓(xùn)練的實(shí)體消歧模型，輸出所述待消歧數(shù)據(jù)向所述醫(yī)學(xué)知識圖譜內(nèi)的實(shí)體的映射結(jié)果；

基于所述映射結(jié)果，生成新的醫(yī)學(xué)知識圖譜。

3.根據(jù)權(quán)利要求2所述的應(yīng)用于醫(yī)學(xué)領(lǐng)域的消歧方法，其特征在于，所述實(shí)體消歧模型至少包括：嵌入層、多頭注意力機(jī)制層、前向計(jì)算層、平均池化層、線性層網(wǎng)絡(luò)和半監(jiān)督機(jī)制網(wǎng)絡(luò)；其中，所述多頭注意力機(jī)制層中包括三個(gè)用于進(jìn)行矩陣特征提取的線性層；所述前向計(jì)算層中包括兩個(gè)線性層和激活層。

4.根據(jù)權(quán)利要求3所述的應(yīng)用于醫(yī)學(xué)領(lǐng)域的消歧方法，其特征在于，所述實(shí)體消歧模型是將訓(xùn)練樣本中的樣本醫(yī)學(xué)知識圖譜和樣本待消歧數(shù)據(jù)作為輸入，將所述訓(xùn)練樣本中的樣本新醫(yī)學(xué)知識圖譜作為期望輸出，訓(xùn)練得到的。

5.根據(jù)權(quán)利要求4所述的應(yīng)用于醫(yī)學(xué)領(lǐng)域的消歧方法，其特征在于，所述實(shí)體消歧模型的訓(xùn)練樣本是基于所述樣本知識圖譜包含的數(shù)據(jù)與所述樣本待消歧數(shù)據(jù)生成的，實(shí)體消歧模型的訓(xùn)練包括以下步驟：

將所述樣本知識圖譜和所述樣本待消歧數(shù)據(jù)輸入至初始模型的嵌入層，生成輸入向量矩陣；

將所述輸入向量矩陣輸入至所述初始模型的多頭注意力機(jī)制層，生成帶有注意力信息的輸入向量矩陣；

將所述帶有注意力信息的輸入向量矩陣輸入至所述初始模型的前向計(jì)算層，輸出經(jīng)過激活的輸入向量矩陣；

將所述經(jīng)過激活的輸入向量矩陣輸入至所述初始模型的平均池化層，得到所述樣本知識圖譜的語句向量、所述樣本待消歧數(shù)據(jù)的語句向量和用于表征語句關(guān)系的關(guān)系向量；

將所述樣本知識圖譜的語句向量、所述樣本待消歧數(shù)據(jù)的語句向量和所述關(guān)系向量進(jìn)行拼接，得到拼接向量；

將所述拼接向量輸入至所述初始模型的線性層網(wǎng)絡(luò)，得到輸出結(jié)果；

對所述輸出結(jié)果進(jìn)行歸一化，得到用于表征所述樣本知識圖譜的語句向量和所述樣本待消歧數(shù)據(jù)的語句向量之間相似度的分?jǐn)?shù)；

響應(yīng)于確定所述分?jǐn)?shù)大于或等于預(yù)設(shè)閾值，將所述樣本待消歧數(shù)據(jù)填補(bǔ)至所述樣本醫(yī)學(xué)知識圖譜，輸出新的樣本醫(yī)學(xué)知識圖譜；

基于所述樣本新醫(yī)學(xué)知識圖譜和所述新的樣本醫(yī)學(xué)知識圖譜，確定訓(xùn)練是否完成；

響應(yīng)于確定所述初始模型訓(xùn)練完成，將所述初始模型確定為所述實(shí)體消歧模型。

6.根據(jù)權(quán)利要求5所述的應(yīng)用于醫(yī)學(xué)領(lǐng)域的消歧方法，其特征在于，所述響應(yīng)于確定所述分?jǐn)?shù)大于或等于預(yù)設(shè)閾值，將所述樣本待消歧數(shù)據(jù)填補(bǔ)至所述樣本醫(yī)學(xué)知識圖譜，輸出新的樣本醫(yī)學(xué)知識圖譜之后，所述方法還包括：

響應(yīng)于確定所述分?jǐn)?shù)小于所述預(yù)設(shè)閾值，將所述樣本待消歧數(shù)據(jù)傳輸以及顯示至審核頁面；

接收針對所述審核頁面輸入的審核結(jié)果；

基于所述審核結(jié)果，確定是否將所述樣本待消歧數(shù)據(jù)填補(bǔ)至所述樣本醫(yī)學(xué)知識圖譜。

7.根據(jù)權(quán)利要求5所述的應(yīng)用于醫(yī)學(xué)領(lǐng)域的消歧方法，其特征在于，所述方法還包括：

響應(yīng)于確定所述初始模型訓(xùn)練未完成，調(diào)整所述初始模型中的相關(guān)參數(shù)，以及重新選取訓(xùn)練樣本，使用調(diào)整后的初始模型作為初始模型，繼續(xù)執(zhí)行所述訓(xùn)練步驟。