一种高血压药物治疗知识图谱构建方法以及装置制造方法及图纸

一种高血压药物治疗知识图谱构建方法，包括：高血压药物治疗知识图谱采用自上而下的方式，先构建Schema，再抽取知识；构建过程根据抽取和应用实际情况，不断完善和优化Schema；构建属性图模型；对属性图模型采用HugeGraph和MongoDB混合数据存储模式；数据加工和专家审核相结合增加知识准确度。本发明专利技术的有益效果是：通过属性图模型，解决了多元关系在临床医学知识表示中建模的问题。学知识表示中建模的问题。学知识表示中建模的问题。

【技术实现步骤摘要】
一种高血压药物治疗知识图谱构建方法以及装置


[0001]本专利技术涉及医学知识图谱
，尤其涉及一种高血压药物治疗知识图谱构建方法以及装置。

技术介绍

[0002]知识图谱是一种基于图的数据结构，由实体(节点)和实体间的关系(边)组成。知识图谱广义概念是作为一种技术体系，是指大数据知识工程中一系列代表性技术的总称；知识图谱狭义概念是作为一种知识表示形式，是大规模语义网络，包含实体、概念及其之间的各种语义关系。
[0003]目前大多通用知识图谱都采用自底向上构建方法，从开放链接数据源中提取实体、属性和关系，再加入到知识图谱的数据层，然后将这些知识要素进行归纳组织，逐步往上抽象为概念，最后形成模式层。具体流程如图1所示，为一种自底向上知识图谱的构建流程，现有技术的知识图谱由数据层(data layer)和模式层(schema layer) 构成。模式层是知识图谱的概念模型和逻辑基础，对数据层进行规范约束。多采用本体作为知识图谱的模式层，借助本体定义的规则和公理约束知识图谱的数据层。在数据层，事实以“实体
‑<br/>关系
...

【技术保护点】

【技术特征摘要】
1.一种高血压药物治疗知识图谱构建方法，其特征在于：高血压药物治疗知识图谱采用自上而下的方式，先构建Schema，再抽取知识；构建过程根据抽取和应用实际情况，不断完善和优化Schema；构建属性图模型；对属性图模型采用HugeGraph和MongoDB混合数据存储模式；采用数据加工和专家审核相结合增加知识准确度。2.根据权利要求1所述的一种高血压药物治疗知识图谱构建方法，其特征在于，所述的构建Schema的步骤为：a确定领域范畴；b选取合适的知识源；c梳理重要的医学术语；d建立关系；e存储及可视化。3.根据权利要求2所述的一种高血压药物治疗知识图谱构建方法，其特征在于，所述的梳理重要的医学术语，包含建立高血压领域的标准术语词库，所述标准术语词库内设有中英文一一对应术语映射表，每一个词条还设有详细的中英文解释，以实现在高血压领域内部使用规范术语，从而对帮助知识图谱构建过程中术语使用准确。4.根据权利要求1所述的一种高血压药物治疗知识图谱构建方法，其特征在于，所述构建属性图模型中，采用顶点表示现实世界中的实体，有向的边来表示实体与实体之间的关系；顶点和边都可通过键值对形式被关联上任意数量的属性，所述高血压药物治疗知识图谱以六元组形式，分别采用Subject,Subject_Property,Edge,Edge_Property,Object,Object_Property来表示复杂的医学知识，其中Subject表示起始顶点，Subject_Property表示起始顶点的属性，Edge表示有向边，Edge_Property表示有向边的属性，Object表示目标顶点，Object_Property表示目标顶点的属性；针对高血压药物治疗决策支持这一使用临床需求，从而构建了以属性图为数据模型的高血压药物治疗知识图谱本体。5.根据权利要求1所述的一种高血压药物治疗知识图谱构建方法，其特征在于，所述Hugegraph负责存储高血压药物治疗相关基础医学知识，所述MongoDB负责存储临床证据的知识，主要包括高血压药物治疗相关RCT研究文章、最新的高血压诊疗临床指南，所述数据加工通过文本信息自动抽取和医师人工录入，所述文本信息自动抽取的部分数据来源于爬虫，为确保获取数据的准确性和完整性，所述爬虫在采集数据时，采用三级链接数据爬取的方式，运用机器学习算法模型对文本实体标注，文本关系标注；为确保标注数据的正确性，在数据加工和更新至知识图谱之间，还设有专家审核数据审核的步骤。6.根据权利要求5所述的一种高血压药物治疗...

【专利技术属性】
技术研发人员：匡泽民，鄂海红，宋美娜，谢晓璇，王晴川，谭玲，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：