隨著互聯(lián)網(wǎng)的發(fā)展,互聯(lián)網(wǎng)醫(yī)療科普搜索需求急劇增加,但互聯(lián)網(wǎng)上現(xiàn)有的醫(yī)療科普網(wǎng)站不僅導航過于專業(yè),讓普通用戶無法快速找到所需的內(nèi)容,而且缺乏針對性,無法根據(jù)用戶的不同問題給出針對性的回答。為了緩解這一矛盾,基于知識圖譜技術(shù),本文設(shè)計并開發(fā)了一種基于知識圖譜的醫(yī)療專家輔助系統(tǒng),通過運用自然語言處理相關(guān)技術(shù),對醫(yī)療電子病歷中的自有文本提取知識,構(gòu)建知識圖譜;在知識圖譜基礎(chǔ)上運用語義搜索和問答系統(tǒng)相關(guān)技術(shù),提供醫(yī)療語義搜索和醫(yī)療智能問答服務(wù)。使得本系統(tǒng)可以直接理解用戶的意圖,用戶不用在專業(yè)網(wǎng)站中尋找自己所需的信息;同時可以根據(jù)用戶的不同輸入做出針對性的回答。本文的貢獻有:1)設(shè)計并實現(xiàn)了針對非結(jié)構(gòu)化數(shù)據(jù)的醫(yī)療知識圖譜構(gòu)建系統(tǒng),從命名實體識別、關(guān)系抽取和知識融合三個方面進行了詳述。2)設(shè)計并實現(xiàn)了基于知識圖譜的醫(yī)療語義搜索和問答模型,從問答數(shù)據(jù)集構(gòu)建、算法選擇和結(jié)果展示三個方面進行了詳述。3)設(shè)計并實現(xiàn)了基于知識圖譜的醫(yī)療問答系統(tǒng),提供醫(yī)療命名實體識別、醫(yī)療關(guān)系抽取、知識圖譜可視化、醫(yī)療語義搜索和醫(yī)療智能問答服務(wù)。 

【文章來源】：浙江大學浙江省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：91 頁

【學位級別】：碩士

【部分圖文】：

圖２．２數(shù)據(jù)庫２０１３－２０１５年發(fā)展情況??當知識圖譜結(jié)構(gòu)簡單，并且不會出現(xiàn)復(fù)雜關(guān)聯(lián)查詢時，也可以用關(guān)系型數(shù)據(jù)??

（ｌｏｇｉｃ?ｆｏｒｍ），自底向上進行解析，得到一種可以表達整個問題語義的邏輯形式，??通過相應(yīng)的查詢語句在知識圖譜查詢得出答案。Ｂｅｒａｎｔ?Ｊ等人２０１３年使用該思想??構(gòu)建了知識庫問答系統(tǒng)［２２］，在當時取得了最高的評價結(jié)果，大致思路如圖２．３所??不。??１２??

?ｐｅｒｓｏｎ??圖２．４對問題進行信息抽取??圖２．４展示了?Ｙａｏ?Ｘ等人２０１４年利用信息抽取法構(gòu)建問答系統(tǒng)中第一步提??取子圖的過程［２３］。首先提取問題中的問題詞，如圖上所示“ｗｈａｔ”，這個詞暗示了??答案類型。然后對問題作依存句法分析，得到語法結(jié)構(gòu)樹，然后刪除一些不重要??的節(jié)點，例如限定詞、介詞和標點符號。這一步的實質(zhì)就是對問題進行信息抽取，??刪除不重要特征，確定答案范圍。??該方法相比語義解析法，減少了很多人工和語言學規(guī)則，但對問題本身構(gòu)建??特征的質(zhì)量對該方法的影響較大，通過深度學習思想自動提取特征可以很好地提??升該方法的效果。??（３）向量建模法。核心思想是將問題和答案全部向量化，通過訓練模型使問??題和答案的向量化分數(shù)（一般以點乘的形式組合）盡可能高

【參考文獻】：
期刊論文
[1]知識圖譜的技術(shù)實現(xiàn)流程及相關(guān)應(yīng)用[J]. 曹倩,趙一鳴.  情報理論與實踐. 2015(12)
[2]知識庫實體對齊技術(shù)綜述[J]. 莊嚴,李國良,馮建華.  計算機研究與發(fā)展. 2016(01)
[3]開放式信息抽取研究進展[J]. 楊博,蔡東風,楊華.  中文信息學報. 2014(04)
[4]命名實體識別研究進展綜述[J]. 孫鎮(zhèn),王惠臨.  現(xiàn)代圖書情報技術(shù). 2010(06)
[5]本體知識庫的自然語言查詢重寫研究[J]. 王志,夏士雄,牛強.  微電子學與計算機. 2009(08)



本文編號：3256074