【技术实现步骤摘要】
医疗知识图谱的修复方法、装置、计算机设备及存储介质
[0001]本专利技术涉及人工智能领域，尤其是涉及一种医疗知识图谱的修复方法、装置、计算机设备及存储介质。
技术介绍
[0002]医疗知识图谱中存储了丰富的医学概念，以及这些概念之间的关联，医疗知识图谱可以融入到很多预测任务或者分析任务中，由于医疗知识图谱中很多关联关系是从海量文本中自动爬取的，因此不可避免存在一些质量问题，为了保证后续预测结果或者分析结果的准确性，有必要对医疗知识图谱进行修复。
[0003]目前，在对医疗知识图谱进行修复时，通常根据医疗知识图谱中已有的关联关系，判定图谱中哪些关联关系存在冲突或者缺失，以此来对医疗知识图谱进行修复。然而，由于医疗知识图谱中的信息是有限的，因此这种方式很难全面地找出医疗知识图谱中存在的问题，与此同时，这种方式很难保证修复后的医疗知识图谱对于预测任务或者分析任务有切实的帮助。
技术实现思路
[0004]本专利技术提供了一种医疗知识图谱的修复方法、装置、计算机设备及存储介质，主要在于能够提高医疗知识图谱的修...
【技术保护点】
【技术特征摘要】
1.一种医疗知识图谱的修复方法，其特征在于，包括：获取患者的样本就诊数据中所涉及的实际医疗项；根据医疗知识图谱的各个项目节点中任意两个项目节点之间是否具有相应类型的关联关系，构建每种关联关系对应的第一邻接矩阵；基于所述第一邻接矩阵，确定所述实际医疗项对应的项目节点在所述每种关联关系下的第一嵌入向量，并基于所述第一嵌入向量，预测所述患者在所述每种关联关系下的预测医疗项；基于所述预测医疗项和所述实际医疗项对所述第一邻接矩阵进行迭代，确定所述每种关联关系对应的迭代后的第一邻接矩阵；基于所述迭代后的第一邻接矩阵，对所述医疗知识图谱进行修复。2.根据权利要求1所述的方法，其特征在于，所述根据医疗知识图谱的各个项目节点中任意两个项目节点之间是否具有相应类型的关联关系，构建每种关联关系对应的第一邻接矩阵，包括：根据所述各个项目节点中任意两个项目节点之间是否具有相应类型的关联关系，构建所述每种关联关系对应的第二邻接矩阵；基于所述第二邻接矩阵和第一初始图注意力网络，确定所述各个项目节点在所述每种关联关系下的第二嵌入向量；构建所述每种关联关系对应的初始评分函数，并基于所述初始评分函数和所述第二嵌入向量，计算所述任意两个项目节点在所述每种关联关系下的关联评分；基于所述关联评分，构建所述每种关联关系对应的第一邻接矩阵。3.根据权利要求2所述的方法，其特征在于，所述基于所述第二邻接矩阵和第一初始图注意力网络，确定所述各个项目节点在所述每种关联关系下的第二嵌入向量，包括：确定所述各个项目节点对应的第一初始化向量，以及所述各个项目节点在所述第一初始图注意力网络中的第一权重；根据所述第二邻接矩阵，确定所述各个项目节点中目标项目节点对应的第一相邻项目节点；基于所述第一权重，将所述第一相邻项目节点对应的第一初始化向量加权求和，得到所述目标项目节点在所述每种关联关系下的第二嵌入向量。4.根据权利要求2所述的方法，其特征在于，所述基于所述关联评分，构建所述每种关联关系对应的第一邻接矩阵，包括：基于所述关联评分，构建所述每种关联关系对应的第三邻接矩阵；分别确定所述第二邻接矩阵和所述第三邻接矩阵对应的权重系数，基于所述权重系数，将所述第二邻接矩阵和所述第三邻接矩阵加权求和，得到所述每种关联关系对应的第一邻接矩阵。5.根据权利要求4所述的方法，其特征在于，所述基于所述关联评分，构建所述每种关联关系对应的第三邻接矩阵，包括：若所述关联评分大于预设关联评分，则确定所述第三邻接矩阵在相应位置处的元素为所述关联评分；若所述关联评分小于或者等于预设评分，则确定所述第三邻接矩阵在相应位置处的元
素为0；基于所述相应位置处的元素，构建所述每种关联关系对应的第三邻接矩阵。6.根据权利要求2所述的方法，其特征在于，所述基于所述第一邻接矩阵，确定所述实际医疗项对应的项目节点在所述...
【专利技术属性】
技术研发人员：徐啸，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。