诊断推荐方法及相关装置、电子设备、存储介质制造方法及图纸

本申请公开了一种诊断推荐方法及相关装置、电子设备、存储介质，其中，诊断推荐方法包括：获取目标对象的病历文本，并获取医疗领域的知识图谱和文档文本；提取病历文本的病历语义表示，并提取知识图谱的图谱语义表示，以及提取文档文本的文档语义表示；利用病历语义表示、图谱语义表示和文档语义表示进行预测，得到目标对象的诊断文本。上述方案，能够全面、准确且稳定地进行诊断推荐。确且稳定地进行诊断推荐。确且稳定地进行诊断推荐。

【技术实现步骤摘要】
诊断推荐方法及相关装置、电子设备、存储介质


[0001]本申请涉及自然语言处理
，特别是涉及一种诊断推荐方法及相关装置、电子设备、存储介质。

技术介绍

[0002]知识图谱以结构化的形式描述客观世界中概念、实体及其关系，将互联网的信息表达成更接近人类认知世界的形式，提供了一种更好组织、管理和理解互联网海量信息的方式。
[0003]随着互联网的兴起，人们对于在网络获取医疗服务知识有着非常广泛的需求。目前，通常根据病人病历搜集医疗领域知识图谱中相关结构化数据来进行诊断推荐，以辅助医生诊疗。本申请专利技术人经研究发现，现有诊断推荐方式存在不全面、误差大且鲁棒性低等问题，导致无法满足人们对于互联网医疗服务的广泛需求。有鉴于此，如何全面、准确且稳定地进行诊断推荐成为亟待解决的问题。

技术实现思路

[0004]本申请主要解决的技术问题是提供一种诊断推荐方法及相关装置、电子设备、存储介质，能够全面、准确且稳定地进行诊断推荐。
[0005]为了解决上述技术问题，本申请第一方面提供了一种诊断推荐方法，包括：获取目标对象的病历本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种诊断推荐方法，其特征在于，包括：获取目标对象的病历文本，并获取医疗领域的知识图谱和文档文本；提取所述病历文本的病历语义表示，并提取所述知识图谱的图谱语义表示，以及提取所述文档文本的文档语义表示；利用所述病历语义表示、所述图谱语义表示和所述文档语义表示进行预测，得到所述目标对象的诊断文本。2.根据权利要求1所述的方法，其特征在于，在所述利用所述病历语义表示、所述图谱语义表示和所述文档语义表示进行预测，得到所述目标对象的诊断文本之前，所述方法还包括：基于图谱语义表示，分别获取若干子图谱的子图语义表示；其中，所述若干子图谱是从所述知识图谱中提取的，且均与所述病历文本相关；所述利用所述病历语义表示、所述图谱语义表示和所述文档语义表示进行预测，得到所述目标对象的诊断文本，包括：利用所述病历语义表示、所述若干子图谱的子图语义表示和所述文档语义表示进行预测，得到所述诊断文本。3.根据权利要求2所述的方法，其特征在于，所述病历文本包括若干子文本，所述病历语义表示包括各个所述子文本的文本语义表示；所述利用所述病历语义表示、所述若干子图谱的子图语义表示和所述文档语义表示进行预测，得到所述诊断文本，包括：对于每一所述子文本，基于各个所述文档语义表示与所述文本语义表示的相关程度，将各个所述文档语义表示与所述文本语义表示融合，得到融合文本表示；基于各个所述融合文本表示和各个所述子图语义表示进行语义融合，得到以文本主导融合的第一语义表示和以图谱主导融合的第二语义表示；基于所述第一语义表示和所述第二语义表示进行预测，得到所述诊断文本。4.根据权利要求3所述的方法，其特征在于，所述第一语义表示的获取步骤包括：融合各个所述子文本的融合文本表示，得到最终文本表示；获取各个所述子图语义表示分别与所述最终文本表示的第一融合表示，并基于各个所述第一融合表示，确定各个所述子图语义表示分别对所述最终文本表示的第一重要程度；利用各个所述子图语义表示对应的第一重要程度对各个所述第一融合表示进行加权，得到所述第一语义表示。5.根据权利要求3所述的方法，其特征在于，所述第二语义表示的获取步骤包括：融合各个所述子图谱的子图语义表示，得到最终图谱表示；获取各个所述融合文本表示分别对所述最终图谱表示的第二融合表示，并基于各个所述第二融合表示，确定各个所述融合文本表示分别与最终图谱表示的第二重要程度；利用各个所述融合文本表示对应的第二重要程度对各个所述第二融合表示进行加权，得到所述第二语义表示。6.根据权利要求2所述的方法，其特征在于，所述若干子图谱的提取步骤包括：抽取所述病历文本的若干病历实体，并选择存在于所述知识图谱的病历实体作为候选实体；对于每一所述候选实体，基于所述候选实体在所述知识图谱中的邻居节点，得到与所
述候选实体对应的子图谱。7.根据权利要求1所述的方法，其特征在于，所述文档文本与所述病历文本相关，所述文档文本是从若干预设文档中筛选得到的。8.根据权利要求7所述的方法，其特征在于，所述文档文本的获取步骤包括：对所述病历文本进行分词，得到若干病历词组；对于每一所述预设文档，获取所述预设文档分别与所述若干病历词组之间的相关子分值，并利用所述若干病历词组的重要度分别对所述相关子分值进行加权处理，得到所述预设文档的相关总分值；基于所述相关总分值，选择至少一个所述预设文档作为所述文档文本。9.根据权利要求1所述的方法，其特征在于，所述图谱语义表示是基于所述知识图谱的多个初始图谱表示融合得到的，且所述多个初始图谱表示是利用多个图谱语义提取网络分别提取得到的。10.根据权利要求1所述的方法，其特征在于，所述知识图谱是对属于所述医疗领域的多个预设图谱进行对齐得到的。11.根据权利要求10所述的方法，其特征在于，所述对齐是基于预设规则、神经网络中至少一者来实现的。12.根据权利要求11所述的方法，其特征在于，在所述对齐是基于所述预设规则来实现的情况下，所述知识图谱的对齐步骤包括：选择一个所述预设图谱作为锚定图谱，并将未选择的所述预设图谱作为待对齐图谱，以及分别提取所述锚定图谱中的第一三元组和所述待对齐图谱中的第二三元组；其中，所述第一三元组包括两个第一实体以及连接所述第一实体的第一关系，所述两个第一实体包括第一头实体和第一尾实体，且所述第二三元组包括两个第二实体以及连接所述第二实体的第二关系，所述两个第二实体包括第...

【专利技术属性】
技术研发人员：吴啟超，
申请(专利权)人：科大讯飞华南人工智能研究院广州有限公司，
类型：发明
国别省市：