在线增量学习机制的疾病知识图谱智能构建系统及方法技术方案

本发明专利技术提供了基于在线增量学习机制智能构建疾病细粒度知识图谱的系统及其构建方法，系统包括知识表征模块：用于结构化表征疾病知识的语义信息模型；知识抽提模块：用于从生物医学文本中自动抽提疾病相关知识转为语义信息模型所预定义的结构化形式；人机交互模块：用于可视化展示和交互校对知识抽提算法的结果；知识融合模块：用于标准化知识图谱中的生物医学术语，自动学习模块：用于基于专家制作的疾病细粒度知识图谱自动更新知识抽提算法的参数

【技术实现步骤摘要】
在线增量学习机制的疾病知识图谱智能构建系统及方法
[0001]

[0002]本专利技术属于数据挖掘
、
人工智能化
，具体涉及一种基于在线增量学习机制的疾病知识图谱智能构建系统及其构建方法
。

技术介绍

[0003]科学文献
、
临床指南
、
电子病历等生物医学文本大数据中蕴含着丰富的疾病相关知识，如疾病的致病基因
、
临床表现
、
治疗方法等
。
然而，这些宝贵的疾病专家知识往往是以自然语言的形式记录在医学文本中，结构化和标准化程度低，因而难以被计算机直接理解和利用
。
为了解决这一问题，知识图谱
(knowledge graph)
技术应运而生
。
本质上，知识图谱是一种由实体
(entity)、
实体关联属性
(attribute)
和实体间关系
(relation)
构成的语义网络
(semantic network)。
...

【技术保护点】

【技术特征摘要】
1.
在线增量学习机制的疾病知识图谱智能构建系统，其特征在于：包括电性连接的，知识表征模块：用于结构化表征疾病知识的语义信息模型；知识抽提模块：用于从生物医学文本中自动抽提疾病相关知识并转化为语义信息模型所预定义的结构化形式；人机交互模块：用于可视化展示和交互校对知识抽提算法的结果；知识融合模块：用于标准化知识图谱中的生物医学术语；自动学习模块：用于基于专家制作的高质量知识图谱自动更新知识抽提算法的参数
。2.
如权利要求1所述的在线增量学习机制的疾病知识图谱智能构建系统的构建方法，其特征在于：包括如下步骤：
S1、
定义用于结构化表征疾病知识的语义信息模型形成知识表征模块，所述语义信息模型包括实体类型
、
实体属性和实体间关系；
S2、
以给定生物医学文本为输入，利用知识抽提模块对文本中的主题疾病信息，以及与该疾病关联的基因
、
表型
、
检查和治疗实体及其关联属性信息进行知识抽提算法后输出；
S3、
通过人机交互模块将文本中算法自动抽提出的疾病主题信息
、
实体及其关联属性信息进行高亮显示，并标记出其对应的实体类型信息进行交回，进行实体
、
属性的增加
、
删除
、
修改
、
关联等交互操作进行校正；
S4、
通过知识融合模块对不同来源的生物医学文本对同一实体的描述名称进行标准化处理，达到融合不同来源知识的目的；
S5、
利用自动学习模块通过自动在线增量学习机制，在专家完成算法自动抽提结果的校对后，将专家校对后的疾病知识图谱传递给用于知识抽提的机器学习模型，更新机器学习模型的参数，使系统随着专家校对的知识图谱不断积累完善
。3.
如权利要求2所述的在线增量学习机制的疾病知识图谱智能构建系统的构建方法，其特征在于：所述实体属性包括且不限于为疾病实体类型
、
基因实体类型
、
表型实体类型
、
检查实体类型和治疗实体类型
。4.
如权利要求3所述的在线增量学习机制的疾病知识图谱智能构建系统的构建方法，其特征在于：所述实体类型包括但不限于基因类...

【专利技术属性】
技术研发人员：邓立宗，蒋太交，
申请(专利权)人：苏州系统医学研究所，
类型：发明
国别省市：