【技术实现步骤摘要】
一种基于开放世界假设的医疗信息关系预测方法及系统
[0001]本专利技术涉及一种基于开放世界假设的医疗信息关系预测方法及系统，特别是涉及大数据挖掘与分析
技术介绍
[0002]随着计算机技术的发展，人工智能与机器学习预测算法逐渐渗透于自动驾驶、语音识别、信用卡欺诈等多个领域，它们可以解锁数据，从而实时提供精准决策信息。预测在医学领域中的应用并不陌生。从应用风险评分指导抗凝治疗（CHADS2）与降胆固醇药的使用（ASCVD），到重症监护室内患者的风险分层（APACHE），由数据驱动的临床预测在医疗实践中已成惯例。结合现代深度学习，临床数据源可以对数以千计的相似临床问题迅速生成预测模型。从对脓毒症的早期预警系统，到辅助影像诊断，这些方法的潜在适用范围是相当可观的。现如今，医学领域中深度学习模型的可解释性越来越重要。
[0003]在预测实体之间的关系中，从文本语料库中预测实体之间的关系是占据极为重要的一席，它可以帮助提取结构化的知识，从而为广泛的下游任务如问答系统、对话系统、推断系统、知识图谱等提供支持。>[0004]然而现本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于开放世界假设的医疗信息关系预测方法，其特征在于，具体包括以下步骤：步骤1、构建三阶段式分析结构；步骤2、基于三阶段式分析结构，获取文本语料库中的节点信息，通过处理分析得到最优的节点序列；步骤3、基于最优的节点序列，设定值域，并结合封闭世界假设与开放世界假设预测实体之间的关系；步骤4、构建评分函数对实体之间的预测关系进行评估，从而获取预测实体之间关系的置信度；步骤5、构建基于知识
‑
意识的注意力机制，接收经过编码器编码后的数据以及预测实体之间关系的置信度；步骤6、通过基于知识
‑
意识的注意力机制的分析，输出最终的预测结果，实现完整的实体对关系预测。2.根据权利要求1所述的一种基于开放世界假设的医疗信息关系预测方法，其特征在于，构建三阶段式分析结构的过程进一步包括：构建全局联想召回模块，所述全局联想召回模块将分析过程划分为第一分支和第二分支，其中第一分支为条件概率分支，用于获取文本语料库中节点信息之间的关系概率；第二分支为语境图卷积分支，用于获取文本语料库中节点信息之间的关系权重；构建假设形成与表示模块，用于根据构建全局联想召回模块输出的处理结果，结合封闭世界假设与开放世界假设预测实体之间的关系；构建决策预测模块，用于根据构建假设形成与表示模块的处理结果，基于知识
‑
意识的注意力机制，接收经过编码器编码后的数据并预测实体之间关系，获取他们之间的置信度。3.根据权利要求1所述的一种基于开放世界假设的医疗信息关系预测方法，其特征在于，所述最优的节点序列为位于降序排列的前K个节点；其中降序排列的依据是：根据三阶段式分析结构中的第一阶段分析过程，结合分析结果按照关系紧密程度进行降序排列。4.根据权利要求1所述的一种基于开放世界假设的医疗信息关系预测方法，其特征在于，得到所述最优的节点序列过程进一步包括以下步骤：步骤2.1、读取文本预料库中的节点信息；步骤2.2、构建条件概率表达式，用于计算实体节点之间的关系概率，获取实体节点之间的相关性，同时构建语境图卷积网络，用于获取实体节点之间的关系权重；步骤2.3、结合条件概率表达式的计算结果与语境图卷积网络的输出结果，按照关系紧密程度进行降序排列；步骤2.4、选取排名靠前的K个节点作为最优的节点序列。5.根据权利要求1所述的一种基于开放世界假设的医疗信息关系预测方法，其特征在于，所述封闭世界假设与开放世界假设的结合作为基于知识
‑
意识的注意力机制的输入数据的处理方式，用于作为实体关联之间的关系性预测依据，所述关系性预测依据进一步为：令假设命题一为封闭世界假设与开放世界假设结合的预测关系结果，假设命题二为目标预测关系；当假设命题一作为当前已有且成立的一个假设命题时，用于作为假设命题二是否成立
的判断依据。6.根据权利要求1所述的一种基于开放世界假设的医疗信息关系预测方法，其特征在于，结合封闭世界假设与开放世界假设预测实体之间关系的具体步骤为：步骤3.1、封闭世界假设通过查询知识库获取实体之间的关系；步骤3.2、开放世界假设通过估计关联实体之间的潜在关系，获取实体之间的关系；步骤3.3、将封闭世界假设的分析结果...
【专利技术属性】
技术研发人员：刘玉海，张建一，付晓雪，苏海涛，宋怀明，
申请(专利权)人：中科曙光南京研究院有限公司，
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。