[發明專利]一種基于知識圖譜的工傷鑒定規則根源追溯方法及系統

在審

• 申請號: 202310278328.9
• 申請日: 2023-03-21
• 公開（公告）號: CN116306928A
• 公開（公告）日: 2023-06-23
• 發明（設計）人: 趙麗娜;潘彬彬;戴靜蘭
• 申請（專利權）人: 杭州濱電信息技術有限公司;杭州電子科技大學
• 主分類號: G06N5/02
• 分類號: G06N5/02;G06N5/04;G06F16/901
• 代理公司: 杭州君度專利代理事務所(特殊普通合伙) 33240
• 代理人: 朱月芬

1.一種基于知識圖譜的工傷鑒定規則根源追溯方法，其特征在于，包括步驟如下：

步驟一：基于GBT16180-2014《勞動能力鑒定職工工傷與職業病致殘等級》標準，拆解530條殘情規則，形成鑒定智能知識庫；

步驟二：進行孿生建模，采集診療以及工傷認定數據，建立工傷診斷數據模型，形成孿生數據庫；

步驟三：進行推理，利用知識圖譜的推理技術，對孿生建模后的數據實例進行推理，實現計算機輔助鑒定和根源追溯；

步驟四：通過數據服務接口提供數據服務，展示給用戶。

2.根據權利要求1所述的一種基于知識圖譜的工傷鑒定規則根源追溯方法，其特征在于，步驟一具體步驟如下：

1-1.梳理業務規則，拆解成530條殘情規則，對每條規則構建本體：

a.創建類，通過本體編輯工具protege將類劃分為傷殘等級、傷殘技術鑒定、殘情門類、部位四大類；

b.構建大類與其子類之間的約束，將有繼承關系的歸屬到各子類；

c.添加類的對象屬性，對象屬性實質上就是定義了類之間的關系，在定義了這些對象屬性之后，利用這些屬性來描述類；其中在對類添加條件約束時，優先選擇使用對象屬性，對象屬性原則上不建立父子關系，如果需要在對象屬性中建立父子關系，規則在哪一層，實例就需要用哪一層的關系，不能用子關系；

d.添加類的數據屬性，數據屬性用于定義實體本身所具有的屬性以及屬性值，將傷情屬性歸屬到數據屬性中，數據屬性不加定義域，枚舉型還放在數據屬性中；利用protege工具中的functional特征來明確值域中各元素是否互斥；

1-2.編輯本體，構建實體規則，在對應傷殘等級中輸入傷情條件，以傷情級別十(二)為例，輸入的傷情條件如下：骨and骨折and((功能障礙程度value無功能障礙)or(功能障礙程度value輕度功能障礙))；

1-3.使用OWL本體描述語言對本體相關概念、實例以及相互之間關系進行描述，選取需要等價的類通過EquivalentTo操作創建其等價類，其中同義詞建在類中，通過SWRL語句把其他同義詞都指向標準詞；

1-4.綜上，拆解530條殘情規則，包括判斷依據、門類劃分、條目劃分、等級劃分、分級原則和各門類工傷職業病致殘分級判定基準，生成鑒定智能知識庫存放在OWL文件中。

3.根據權利要求2所述的一種基于知識圖譜的工傷鑒定規則根源追溯方法，其特征在于，步驟二建模方式如下：

2-1.將步驟一的OWL文件導入Neo4j圖數據庫中，形成知識圖譜用于推理；

2-2.采集業務方提供的診療數據以及工傷認定數據獲取輸入的傷情描述，根據輸入的內容選擇自然語言處理方法提取關鍵詞，獲取被鑒定人基本信息作為實例；所述的診療數據以及工傷認定數據包括結構化、非結構化、半結構化數據；所述的NLP方法使用了分詞、詞性識別、依存分析、NER實體識別4個步驟；

2-3.將診療數據以及工傷認定數據與被鑒定人基本信息關聯，進行關系建模，獲取對應的醫療診斷描述或診斷結果文本描述，補充實體信息進行屬性建模；

2-4.將上述步驟中獲取的被鑒定人信息，與知識圖譜中的三元組形成關聯，進行實體建模，構建一個孿生體模型；

2-5.將孿生體模型反哺回OWL本體模型，與步驟一中生成的OWL文件融合，存儲為新的OWL文件導入到Neo4j圖數據庫中以供推理使用，并作為中間數據供追溯使用。

4.根據權利要求3所述的一種基于知識圖譜的工傷鑒定規則根源追溯方法，其特征在于，步驟三具體步驟如下：

3-1.讀取步驟二中融合后的孿生體模型，通過推理機進行本體推理，得出工傷鑒定等級；

3-2.讀取推理路徑，并提取其中的關鍵路徑。

5.根據權利要求4所述的一種基于知識圖譜的工傷鑒定規則根源追溯方法，其特征在于，所述的推理機選取Hermit推理機。

6.根據權利要求1-5中任意一項所述的一種基于知識圖譜的工傷鑒定規則根源追溯方法，其特征在于，所述的數據服務包括鑒定結果的管理、查詢服務；孿生體的查詢、統計服務；鑒定依據的管理、查詢服務；推理路徑的查詢服務以及鑒定準確率分析服務。

7.一種基于知識圖譜的工傷鑒定規則根源追溯系統，包括鑒定智能知識庫、孿生數據庫、推理引擎和數據服務接口；

所述的鑒定智能知識庫：基于GBT16180-2014《勞動能力鑒定職工工傷與職業病致殘等級》標準，拆解530條殘情規則后，通過本體建模生成鑒定智能知識庫，鑒定智能知識庫包括判斷依據、門類劃分、條目劃分、等級劃分、分級原則和各門類工傷職業病致殘分級判定基準；

所述的孿生數據庫：將鑒定智能知識庫中的OWL文件導入到Neo4j圖數據庫中，同時采集結構化、非結構化、半結構化的診療數據以及工傷認定數據，通過NLP技術解析，使用實體建模、屬性建模以及關系建模對被鑒定人進行全方位建模，生成被鑒定人的孿生體模型，存放于Neo4j圖數據庫中形成孿生數據庫；所述的孿生數據庫主要給推理引擎提供數據支撐；

所述的推理引擎：利用知識圖譜的推理技術進行知識推理，輔助專家推理出新的結論、新的關系、新的公理以及新的規則；同時對孿生數據庫中孿生建模后的數據實例進行推理，實現計算機輔助鑒定；推理引擎使用Hermit推理機對規則解析，并執行推理過程和本體融合；

所述的數據服務接口：基于推理引擎的推理結果，用于對外提供數據服務，包括鑒定結果的管理、查詢服務；孿生體的查詢、統計服務；鑒定依據的管理、查詢服務；推理路徑的查詢服務以及鑒定準確率分析服務。