基于知识图谱推理算法的数据推理方法、装置及存储介质制造方法及图纸

本发明专利技术涉及数据处理技术领域，公开了一种基于知识图谱推理算法的数据推理方法、装置及存储介质，所述方法包括：根据当前病历诊断报告得到病历报告书写习惯和诊断特征数据；根据NLP自然语言规则通过目标语言转换策略对诊断特征数据进行规范化处理；根据目标知识图谱通过目标阶数张量分解模型对标准特征数据进行推理；根据病历报告书写习惯通过标准关联数据和标准补充数据对当前病历诊断报告进行完善，并将目标高质量医疗数据进行推送；通过上述方式，根据目标知识图谱通过目标阶数张量分解模型推理出关联数据和标准补充数据，然后基于病历报告书写习惯得到高质量医疗数据，从而能够有效提高医疗数据的质量和准确性，进而提高用户的工作效率。户的工作效率。户的工作效率。

【技术实现步骤摘要】
基于知识图谱推理算法的数据推理方法、装置及存储介质


[0001]本专利技术涉及数据处理
，尤其涉及基于知识图谱推理算法的数据推理方法、装置及存储介质。

技术介绍

[0002]随着大数据技术的不断发展，被应用在各个领域，例如，电商、传媒、安防以及金融等，反而在医疗领域的应用微乎其微，目前，国内医院信息化建设和医院信息系统与医学知识库领域的研究、开发与应用上是较落后的，随着日趋递增的医疗需求，再加上病理的复杂，即使是发展中的医疗水平，也无法高效地解决突出的医疗矛盾，常见的医疗矛盾就是如何建立医生的临床辅助决策系统，帮助医生对患者病情的把控，目前建立临床辅助决策系统的相关技术是基于庞大的医学知识库和数据库，但是在建立过程中如何将医生使用过的医学术语习惯归类或纠正到国家标准的医学语言习惯是当前最大难题，而如果仅使用现有医学知识库得到相关的医疗数据，使得该医疗数据的质量较差和准确性较低，导致用户的工作效率极低。
[0003]上述内容仅用于辅助理解本专利技术的技术方案，并不代表承认上述内容是现有技术。

技术实现思路

[0004]本专利技术的主要目的在于提供一种基于知识图谱推理算法的数据推理方法、装置及存储介质，旨在解决现有技术得到医疗数据的质量较差和准确性较低，造成用户的工作效率极低的技术问题。
[0005]为实现上述目的，本专利技术提供了一种基于知识图谱推理算法的数据推理方法，所述基于知识图谱推理算法的数据推理方法包括以下步骤：
[0006]获取目标用户的当前病历诊断报告，根据所述当前病历诊断报告得到病历报告书写习惯和诊断特征数据；
[0007]根据NLP自然语言规则通过目标语言转换策略对所述诊断特征数据进行规范化处理，得到标准特征数据；
[0008]根据目标知识图谱通过目标阶数张量分解模型对所述标准特征数据进行推理，得到标准关联数据和标准补充数据；
[0009]根据所述病历报告书写习惯通过所述标准关联数据和所述标准补充数据对所述当前病历诊断报告进行完善，得到目标高质量医疗数据，并将所述目标高质量医疗数据进行推送。
[0010]可选地，所述获取目标用户的当前病历诊断报告，根据所述当前病历诊断报告得到病历报告书写习惯和诊断特征数据，包括：
[0011]获取目标用户的当前病历诊断报告，通过目标数据提取工具对所述当前病历诊断报告进行数据提取，得到诊断特征数据；
[0012]根据所述当前病历诊断报告得到报告填写用户的标识信息；
[0013]根据所述标识信息在预设医疗平台查询出所述报告填写用户填写的其他病历诊断报告；
[0014]根据预设词语义算法对所述当前病历诊断报告和所述其他病历诊断报告进行深度分析，得到诊断词义数据和诊断语义数据；
[0015]根据所述诊断词义数据和所述诊断语义数据确定病历报告书写习惯。
[0016]可选地，所述根据NLP自然语言规则通过目标语言转换策略对所述诊断特征数据进行规范化处理，得到标准特征数据，包括：
[0017]根据所述诊断特征数据确定对应的诊断数据语言规则；
[0018]在所述诊断数据语言规则与所述NLP自然语言规则不一致时，通过目标语言转换策略对所述诊断特征数据进行规范化处理，得到标准特征数据。
[0019]可选地，所述根据目标知识图谱通过目标阶数张量分解模型对所述标准特征数据进行推理，得到标准关联数据和标准补充数据，包括：
[0020]根据所述标准特征数据和目标知识图谱设置初始特征数据实体集、初始特征数据关系集、三元组集、边界调整参数、目标迭代次数以及空间维数；
[0021]分别将所述初始特征数据实体集和所述初始特征数据关系集嵌入至所述空间维数；
[0022]通过目标路径排列算法对所述初始特征数据实体集中的各个实体对进行计算，得到当前实体对路径；
[0023]通过目标阶数张量分解模型根据所述当前实体对路径、嵌入后的空间维数、三元组集、边界调整参数以及目标迭代次数对所述嵌入后的空间维数进行张量分解，得到当前分解标准特征数据；
[0024]通过预设交替算法和所述当前分解标准特征数据生成目标数据实体矩阵和目标数据关系矩阵；
[0025]根据所述标准特征数据对所述目标数据实体矩阵和所述目标数据关系矩阵进行推理，得到标准关联数据和标准补充数据。
[0026]可选地，所述根据所述标准特征数据和目标知识图谱设置初始特征数据实体集、初始特征数据关系集、三元组集、边界调整参数、目标迭代次数以及空间维数之前，还包括：
[0027]获取各个医疗机构的医学知识数据，对所述医学知识数据进行标准化抽取，得到当前医学知识数据；
[0028]对所述当前医学知识数据进行内容分层匹配，得到医学知识库和医学知识逻辑关联库；
[0029]获取标准病种病历数据集和历史病种病历数据集；
[0030]根据所述医学知识库、所述医学知识逻辑关联库、所述标准病种病历数据集、所述历史病种病历数据集以及目标张量分解算法生成初始知识图谱数据集；
[0031]根据所述初始知识图谱数据集和预设知识图谱数据质量分析规则生成目标知识图谱。
[0032]可选地，所述根据所述初始知识图谱数据集和预设知识图谱数据质量分析规则生成目标知识图谱，包括：
[0033]根据所述预设知识图谱数据质量分析规则对所述初始知识图谱数据集中的各个数据进行质量分析，得到各个数据对应的当前数据质量得分；
[0034]根据预设质量分数范围和所述当前数据质量得分对所述初始知识图谱数据集进行筛选，得到目标知识图谱数据集；
[0035]通过目标数据提取工具对所述目标知识图谱数据集进行数据提取，得到当前知识图谱特征；
[0036]根据所述当前知识图谱特征、所述目标张量分解算法以及预设知识图谱运算规则生成目标知识图谱。
[0037]可选地，所述根据所述病历报告书写习惯通过所述标准关联数据和所述标准补充数据对所述当前病历诊断报告进行完善，得到目标高质量医疗数据，并将所述目标高质量医疗数据进行推送，包括：
[0038]根据所述病历报告书写习惯通过所述标准补充数据对所述当前病历诊断报告进行填充；
[0039]根据所述病历报告书写习惯通过所述标准关联数据对填充后的当前病历诊断报告进行完善；
[0040]通过预设知识图谱数据质量分析规则对完善后的当前病历诊断报告进行质量分析，得到目标数据质量得分；
[0041]在所述目标数据质量得分大于预设质量得分阈值时，根据完善后的当前病历诊断报告得到目标高质量医疗数据；
[0042]获取用户需求信息，根据所述用户需求信息对目标高质量医疗数据进行选取，并将选取的目标高质量医疗数据进行推送。
[0043]此外，为实现上述目的，本专利技术还提出一种基于知识图谱推理算法的数据推理装置，所述基于知识图谱推理算法的数据推理装置包括：
[0044]获取模块，用于获取目标用户的当前病历诊断报告，根本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于知识图谱推理算法的数据推理方法，其特征在于，所述基于知识图谱推理算法的数据推理方法包括以下步骤：获取目标用户的当前病历诊断报告，根据所述当前病历诊断报告得到病历报告书写习惯和诊断特征数据；根据NLP自然语言规则通过目标语言转换策略对所述诊断特征数据进行规范化处理，得到标准特征数据；根据目标知识图谱通过目标阶数张量分解模型对所述标准特征数据进行推理，得到标准关联数据和标准补充数据；根据所述病历报告书写习惯通过所述标准关联数据和所述标准补充数据对所述当前病历诊断报告进行完善，得到目标高质量医疗数据，并将所述目标高质量医疗数据进行推送。2.如权利要求1所述的基于知识图谱推理算法的数据推理方法，其特征在于，所述获取目标用户的当前病历诊断报告，根据所述当前病历诊断报告得到病历报告书写习惯和诊断特征数据，包括：获取目标用户的当前病历诊断报告，通过目标数据提取工具对所述当前病历诊断报告进行数据提取，得到诊断特征数据；根据所述当前病历诊断报告得到报告填写用户的标识信息；根据所述标识信息在预设医疗平台查询出所述报告填写用户填写的其他病历诊断报告；根据预设词语义算法对所述当前病历诊断报告和所述其他病历诊断报告进行深度分析，得到诊断词义数据和诊断语义数据；根据所述诊断词义数据和所述诊断语义数据确定病历报告书写习惯。3.如权利要求1所述的基于知识图谱推理算法的数据推理方法，其特征在于，所述根据NLP自然语言规则通过目标语言转换策略对所述诊断特征数据进行规范化处理，得到标准特征数据，包括：根据所述诊断特征数据确定对应的诊断数据语言规则；在所述诊断数据语言规则与所述NLP自然语言规则不一致时，通过目标语言转换策略对所述诊断特征数据进行规范化处理，得到标准特征数据。4.如权利要求1所述的基于知识图谱推理算法的数据推理方法，其特征在于，所述根据目标知识图谱通过目标阶数张量分解模型对所述标准特征数据进行推理，得到标准关联数据和标准补充数据，包括：根据所述标准特征数据和目标知识图谱设置初始特征数据实体集、初始特征数据关系集、三元组集、边界调整参数、目标迭代次数以及空间维数；分别将所述初始特征数据实体集和所述初始特征数据关系集嵌入至所述空间维数；通过目标路径排列算法对所述初始特征数据实体集中的各个实体对进行计算，得到当前实体对路径；通过目标阶数张量分解模型根据所述当前实体对路径、嵌入后的空间维数、三元组集、边界调整参数以及目标迭代次数对所述嵌入后的空间维数进行张量分解，得到当前分解标准特征数据；
通过预设交替算法和所述当前分解标准特征数据生成目标数据实体矩阵和目标数据关系矩阵；根据所述标准特征数据对所述目标数据实体矩阵和所述目标数据关系矩阵进行推理，得到标准关联数据和标准补充数据。5.如权利要求4所述的基于知识图谱推理算法的数据推理方法，其特征在于，所述根据所述标准特征数据和目标知识图谱设置初始特征数据实体集、初始特征数据关系集、三元组集、边界调整参数、目标迭代次数以及空间维数之前，还包括：获取各个医疗机构的医学知识数据，对所述医学知识数据进行标准化抽取，得到当前医学知识数据；对所述当前医学知识数据进行内容分层匹配，得到医学知识...

【专利技术属性】
技术研发人员：舒振峰，刘洋，杨政，
申请(专利权)人：深圳市指南针医疗科技有限公司，
类型：发明
国别省市：