【技术实现步骤摘要】
基于人工智能的居民呼吸道传染病监测预警系统及方法
[0001]本专利技术涉及智能监测
，具体涉及一种基于人工智能的居民呼吸道传染病监测预警系统及方法。
技术介绍
[0002]知识图谱最先在2012年由Google提出，用以描述其搜索引擎从不同来源获得的信息结果。如图2所示，这些信息的结果本质是一个多关系图(Multi
‑
relational Graph)，由不同的信息(节点)+关系 (边)构成。
[0003]知识图谱在逻辑上分为数据层和模式层，数据层用来存储真实的数据。模式层在数据层之上，是知识图谱的核心，存储经过提炼的知识。构建知识图谱是一个迭代更新的过程，根据知识获取的逻辑，每一轮迭代包含三个阶段：信息抽取，从各种类型的数据源中提取出实体、属性以及实体间的相互关系，在此基础上形成本体化的知识表达；知识融合，在获得新知识之后，需要对其进行整合，以消除矛盾和歧义，比如某些实体可能有多种表达，某个特定称谓也许对应于多个不同的实体等；知识加工，对于经过融合的新知识，需要经过质量评估之后(部分需要人...
【技术保护点】
【技术特征摘要】
1.一种基于人工智能的居民呼吸道传染病监测预警系统，其特征在于，包括交互层，用于接收用户输入的数据、显示查询结果诊断数据和启动数据服务层，实现与群体监测系统的交互；数据服务层，用于提供查询服务，根据存储的真实数据进行提炼得到知识图谱，同时接收数据输入，解释业务规则，并根据业务规则作出业务决策；基础资源层，用于数据加密服务和隐私数据分级保护，同时提供MysQL数据库；源数据层，用于填报数据，为所述数据服务层提供基础数据支撑。2.根据权利要求1所述的基于人工智能的居民呼吸道传染病监测预警系统，其特征在于，所述数据服务层进行实体抽取时，从原始数据语料中自动识别出命名实体，其中实体抽取的方法包括基于百科站点或垂直站点提取、基于规则与词典的方法、基于统计机器学习的方法以及面向开放域的抽取方法。3.根据权利要求2所述的基于人工智能的居民呼吸道传染病监测预警系统，其特征在于，所述基于百科站点或垂直站点提取则是常规基本的提取方法；所述基于规则的方法通常需要为目标实体编写模板，然后在原始语料中进行匹配；所述基于统计机器学习的方法主要是通过机器学习的方法对原始语料进行训练，然后再利用训练好的模型去识别实体；所述面向开放域的抽取方法是面向海量的Web语料。4.根据权利要求1所述的基于人工智能的居民呼吸道传染病监测预警系统，其特征在于，所述数据服务层进行语义类抽取时，从文本中自动抽取信息来构造语义类并建立实体和语义类的关联,作为实体层面上的规整和抽象；所述数据服务层进行属性和属性值抽取时，为每个本体语义类构造属性列表，而属性值提取则为一个语义类的实体附加属性值；所述数据服务层进行关系抽取时，目标是解决实体语义链接的问题。5.根据权利要求1所述的基于人工智能的居民呼吸道传染病监测预警系统，其特征在于，所述知识图谱知识表示学习的代表模型包括距离模型、单层神经网络模型、双线性模型、神经张量模型、矩阵分解模型和翻译模型；其中，距离模型，首先将实体用向量进行表示，然后通过关系矩阵将实体投影到与实体关系对的向量空间中，最后通过计算投影向量之间的距离来判断实体间已存在的关系的置信度；双线性模型是通过基于实体间关系的双线性变换来刻画实体在关系下的语义相关性；神经张量模型是在不同的维度下，将实体联系起来，表示实体间复杂的语义联系；TransE模型是将知识库中实体之间的关系看成是从实体间的某种平移，并用向量表示。6.根据权利要求1所述的基于人工智能的居民呼吸道传染病监测预警系统，其特征在于，所述知识图谱进行知识融合时包括初步筛选，用于初步筛选融合标识符相同的实体数据；判断属性相似度，用于配置相似属性和相似度函数，并判断数据之间的属性相似度；融合知识：对属性相似度均达到阈值条件的数据进行融合；数据质量的挑战，包括命名模糊、数据输入...
【专利技术属性】
技术研发人员：陈航，蒋荣猛，韩冰，
申请(专利权)人：首都医科大学附属北京地坛医院，
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。