[发明专利]结合生物信息本体与注意力机制的医学文献相似判别方法

权利要求书

1.结合生物信息本体与注意力机制的医学文献相似判别方法，其特征在于，包含以下步骤：

S1、从医学文献中获取文献标题和摘要，经过主题词提取算法TextRank对获取的摘要精炼，形成代表性文档；

S2、从步骤S1中形成的代表性文档提取GO术语，生成GO术语的集合；

S3、对句中出现的GO术语加权重，突出GO术语在句中的重要性，并生成权重矩阵；

S4、结合步骤S3得到的权重矩阵，用文本相似度的计算方法得到代表性文档间的相似度，最后判别文献是否相似；

所述步骤S1进一步包含以下步骤：

S1.1、选取每篇医学文献的摘要；

S1.2、对步骤S1.1得到的摘要使用TextRank技术，得到精简后的摘要；

S1.3、医学文献的标题和步骤S1.2中所得摘要构成该医学文献的代表性文档；

步骤S1.2包含以下步骤:

S1.2-1、对每篇医学文献的摘要以句子为单位划分；

S1.2-2、对步骤S1.2-1中的文献句子训练相应句向量；

S1.2-3、计算句子向量间的相似性并存放在矩阵中，句子向量间的相似性计算方法如下：

其中，V_i和V_j分别为句子i和句子j的句子向量表示；

S1.2-4、将步骤S1.2-3中所得的相似矩阵转换为以句子为节点、相似性得分为边的图结构，用于句子TextRank计算出，句子的TextRank计算方法如下：

其中，V_i为图中顶点i，表示为句子i；In(V_i)为指向顶点V_i的顶点集合；

Out(V_j)为由顶点V_j指出的顶点的集合；w_ji为边的权重，表示为顶点V_j和顶点V_i的相似度值；系数d取0.85；

S1.2-5、将一定数量的排名最高的句子构成最后的摘要；

所述步骤S3进一步包含以下步骤：

S3.1、GO术语相似度计算，对步骤S2中得到的两个句子中GO术语集合计算两句中GO术语间的相似度，计算方法如下：

GO术语的信息内容，计算如下：

Ic_(f)＝-log P(f)

其中P(f)表示GO术语f及其子项存在的概率：

给定一个GO术语A，A及其祖先的GO术语DAG被定义为DAG_A＝(a，T_A，E_A)，其中T_A是包含A及其祖先的GO术语的集合，E_A是DAG_A中T_A节点之间的链接边集合，根据链接的类型和子节点的数量计算语义贡献的权重：

W_e＝1/(c+nc(t))+d

nc(t)为GO术语t的子项总数；c和d都是常数变量；d是指通过链接的语义贡献有多强；参数c受基于等式的有效权重范围的限制，要使0＜W_e≤1，参数c取0.67；

对于DAG_A＝(A，T_A，E_A)中的每个术语，它对目标术语A具有语义贡献,定义为：

GO术语A的语义值是DAG_A中S值的总和：

最后，DAG_A＝(A，T_A，E_A)和DAG_B＝(A，T_B，E_B)，GO术语A和GO术语B的相似度计算如下：

其中，t是T_A和T_B中存在的公共GO术语项；S_A(t)和S_B(t)分别是基于T_A和T_B的；

S3.2、调用归一化函数，对步骤S3.1中得到的GO术语相似度归一化，突出GO术语在句中的权重；

S3.3、生成权重矩阵，权重矩阵大小为m₂*m₁，具体地m₁为代表性文档1中句子S1中的单词个数，m₂为代表性文档2中句子S₂中的单词个数，矩阵中非GO术语与非GO术语间、非GO术语与GO术语间的元素用1表示，矩阵中GO术语与GO术语间元素用上述步骤S3.2得到的归一化结果+1表示；

所述步骤S4进一步包含以下步骤：

S4.1、训练词向量；

S4.2、代表性文档1中句子S₁与代表性文档2中句子S₂进行相似度计算，计算公式如下：

其中V_i’为加权后S_i的句向量，V_j为句子S_j的句向量，计算公式如下：

加权V_i’的的计算公式如下：

V_i′＝权重矩阵*句子S_i形成的词向量矩阵

S4.3、得到代表性文档1与代表性文档2文本相似度，计算公式如下：

其中，S_1i为代表性文档Doc₁中第i个句子，S_2j为代表性文档Doc₂中第j个句子，m为代表性文档Doc₁中的句子数量，n为代表性文档Doc₂中的句子数量；

S4.4、根据步骤S4.3得到的两篇医学文献的代表性文档相似度，判别两篇医学文献是否相似，根据设置的阈值，代表性文档相似度超过阈值的即判别两篇医学文献相似，不超过则判别两篇医学文献不相似。