[发明专利]一种中医药及民族医药知识图谱的构建方法

说明书

本发明涉及知识图谱领域，特别是一种中医药及民族医药知识图谱的构建方法。本发明通过录入医学数据并将其转化为词向量，再对所述词向量进行实体标注和自动注释后，将标注注释完成后的所述词向量输入到中医药及民族医药数据库，通过知识图谱信息抽取，从而获取中医药及民族医药知识图谱模型，即利用自然语言处理技术，将非结构化数据转换为结构化数据，便于数据被计算机识别，提高数据的利用率和准确率，方便统计数据发现新的规律，从而整合少数民族医药资源，评价少数民族地区医药资源水平，精准实现少数民族医药资源挖掘。

技术领域

本发明涉及知识图谱领域，特别是一种中医药及民族医药知识图谱的构建方法。

背景技术

中医和西医的文本有极大的区别，中医存在许多概念模糊的内容，继承了中医古语的语言习惯，导致中医语言描述语义晦涩难懂，非中医专业技术人员很难准确地标注语料。同时，中医语言描述存在很多见的一词多义、一义多词，生僻字、古体字等问题，导致中医的标注数据到目前为止非常罕有，也给相关的算法研究带来了巨大的困难。而少数民族医药古籍除了包含中医部分，还有更多民族特色的文献，这类文献文字晦涩，表达方式各有不同，在整合上需要基于语义理解构建功能强大的知识网络进行语义分析，从而得到详实可用的知识图谱。

基于语义理解构建知识网络，即在语义理解的基础上，进一步挖掘语义关系形成的网络关系，基于一定规则人工构建得出。目前绝大多数该方向的研究都是基于本体(Ontology)实现的，所构建出来的网络属于语义网络。语义网络具有简单、丰富、易读等特点而被广泛使用，著名的一体化医学语言系统(Unified Medical Language System，UMLS)就是基于语义网络而设计的框架。但在实际运用中，由于少数民族医药词汇表达特殊性强，相同症状具有不同的描述方法，使用现有Skip-gram算法训练出来的词向量网络中，医药词汇几乎聚集在了一起，形成了孤岛，无法体现词汇之间的关联性，不能实际应用。

而其他词向量模型也有应用在医药领域的，但其整合效率低。Minarro-Gimenez等通过Word2vec模型获取语言学上的一些规律信息，但该规律信息只有不到50％的准确率。Minarro-Gimenez等利用美国国家药物文件参考术语(NDF-RT，National Drug File-Reference Terminology)来评价Word2vec的效果，得到的准确率同样不高。所以如今需要一种能够运用在中医药及民族医药领域且准确率高的知识图谱构建方法。

发明内容

本发明的目的在于克服现有技术中所存在的没有应用于中医药及民族医药领域的知识图谱构建方法，且将现有算法应用到中医药领域的准确率过低，提供一种中医药及民族医药知识图谱的构建方法。

为了实现上述发明目的，本发明提供了以下技术方案：

一种中医药及民族医药知识图谱的构建方法，包括以下步骤：

S1：录入医学文本数据集并对其进行预处理，获取医学文本并存入文本数据集；

S2：将所述文本数据集中的所述医学文本转换为词向量，并将所述词向量输入到CBOW模型中进行更新处理；

S3：对所述词向量进行实体标注，并通过双向长短时记忆神经网络技术构建自适应层次注意网络，对所述实体标注的类别进行自动注释；其中，所述类别包括症状、疾病以及药物；

S4：将标注注释完成后的所述词向量输入到中医药及民族医药数据库，并根据所述中医药及民族医药数据库进行知识图谱信息抽取，输出中医药及民族医药知识图谱模型。