基于知识图谱的常见职业病风险预测方法技术

本发明专利技术提供一种基于知识图谱的常见职业病风险预测方法，包括如下步骤：S1：构建中文医学词库的步骤；S2：构建知识图谱结点之间关系的步骤；S3：对知识图谱数据进行具体分析的步骤；S4：收集数据进行修正、校验的步骤。该方法可以很好地解决员工体检结果综合性分析的问题。题。题。

【技术实现步骤摘要】
基于知识图谱的常见职业病风险预测方法


[0001]本专利技术具体涉及一种基于知识图谱的常见职业病风险预测方法。

技术介绍

[0002]职业病是危害白领阶层健康的一打隐形杀手，职业病的出现有很多征兆，与环境和个人都密切相关、有比较好的可预测性，目前许多单位员工有体检，但是体检结果缺乏解读，知识图谱相比其它大数据分析手段，可解释性强，适用于医学场景，因此提出一种基于知识图谱的常见职业病风险预测方法以解决上述问题。

技术实现思路

[0003]本专利技术的目的在于针对现有技术的不足，提供一种基于知识图谱的常见职业病风险预测方法，该基于知识图谱的常见职业病风险预测方法可以很好地解决上述问题。
[0004]为达到上述要求，本专利技术采取的技术方案是：提供一种基于知识图谱的常见职业病风险预测方法，该基于知识图谱的常见职业病风险预测方法包括如下步骤：
[0005]S1：构建中文医学词库的步骤；
[0006]S2：构建知识图谱结点之间关系的步骤；
[0007]S3：对知识图谱数据进行具体分析的步骤；
[0008]S4：收集数据进行修正、校验的步骤。
[0009]该基于知识图谱的常见职业病风险预测方法具有的优点如下：
[0010]该方法可以很好地解决员工体检结果综合性分析的问题。
附图说明
[0011]此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，在这些附图中使用相同的参考标号来表示相同或相似的部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
[0012]图1示意性地示出了根据本申请一个实施例的基于知识图谱的常见职业病风险预测方法的流程示意图。
具体实施方式
[0013]为使本申请的目的、技术方案和优点更加清楚，以下结合附图及具体实施例，对本申请作进一步地详细说明。
[0014]在以下描述中，对“一个实施例”、“实施例”、“一个示例”、“示例”等等的引用表明如此描述的实施例或示例可以包括特定特征、结构、特性、性质、元素或限度，但并非每个实施例或示例都必然包括特定特征、结构、特性、性质、元素或限度。另外，重复使用短语“根据本申请的一个实施例”虽然有可能是指代相同实施例，但并非必然指代相同的实施例。
[0015]为简单起见，以下描述中省略了本领域技术人员公知的某些技术特征。
[0016]根据本申请的一个实施例，提供一种基于知识图谱的常见职业病风险预测方法，如图1所示，包括如下步骤：
[0017]Step1:构建中文医学词库
[0018]基于国际权威医学名词表，如ICD
‑
10、SNOMED
‑
CT，构建一个中文医学词库，作为知识图谱中的结点。
[0019]Step2:构建知识图谱结点之间的关系
[0020]通过医学编辑将医学知识整理成医学知识图谱的表达方式，录入知识图谱。
[0021]Step3:医学专家对知识图谱数据进行专业性把关
[0022]请医学专家对知识图谱中的医学内容进行专业性把关。
[0023]Step4:收集数据进行修正、校验
[0024]收集数据，让知识图谱不断进行参数学习，校验其正确性。
[0025]根据本申请的一个实施例，该基于知识图谱的常见职业病风险预测方法具体介绍如下：
[0026]1、构建中文医学词库
[0027]1.1从ICD
‑
11中提炼可用词条
[0028]从ICD
‑
11中寻找我们关注的职业病相关医学词条。
[0029]1.2规范化中文表达
[0030]对照卫健委公布的医学词条，使我们关注的词条中文表达规范化。
[0031]1.3添加入中文医学知识图谱
[0032]将我们找到的词条赋予唯一的编码，加入到医学知识图谱中，并正确设置对应的标签，方便归类管理。
[0033]2构建知识图谱结点之间的关系
[0034]2.1从医学权威资料中寻找医学逻辑
[0035]医学专员从医学资料中寻找我们关注的职业表体检结果与疾病发生之间的医学逻辑，标注总结起来。
[0036]2.2用知识图谱语言描述找到的医学逻辑
[0037]用通用形式化语言OWL2描述医学逻辑。
[0038]2.3自动录入知识图谱
[0039]根据编写的OWL2描述，自动将医学知识录入知识图谱。
[0040]3专家把关与正确性校验
[0041]3.1以直观形式展示医学逻辑
[0042]用直观的图形式展示医学知识图谱内容，便于专家阅读。
[0043]3.2请专家把关
[0044]将知识图谱中最核心的医学逻辑部分，请医学专家进行正确性把关，不能出现重大的常识性的错误。
[0045]3.3收集数据不断学习
[0046]收集数据，不断进行参数学习，提升知识图谱的正确性。
[0047]以上所述实施例仅表示本专利技术的几种实施方式，其描述较为具体和详细，但并不能理解为对本专利技术范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离
本专利技术构思的前提下，还可以做出若干变形和改进，这些都属于本专利技术保护范围。因此本专利技术的保护范围应该以所述权利要求为准。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于知识图谱的常见职业病风险预测方法，其特征在于，包括如下步骤：S1：构建中文医学词库的步骤；S2：构建知识图谱结点之间关系的步骤；S3：对知识图谱数据进行具体分析的步骤；S4：收集数据进行修正、校验的步骤。2.根据权利要求1所述的基于知识图谱的常见职业病风险预测方法，其特征在于，所述S1：构建中文医学词库的步骤，具体包括如下步骤：基于国际权威医学名词表，构建一个中文医学词库，作为知识图谱中的结点。3.根据权利要求1所述的基于知识图谱的常见职业病风险预测方法，其特征在于，S2：...

【专利技术属性】
技术研发人员：凌之浩，白丽军，石茂翔，
申请(专利权)人：成都基预科技有限公司，
类型：发明
国别省市：