[发明专利]图神经网络模型构建、诊疗方案推荐方法、系统及设备

权利要求书

1.一种图神经网络模型构建方法，其特征在于，包括以下步骤：

获取多个患者的历史诊疗数据；

根据所述历史诊疗数据中实体和两两实体之间预定义的关系，构建知识图谱三元组，以建立所述知识图谱；以及，

根据所述知识图谱构建图神经网络模型，其中根据所述知识图谱构建图神经网络模型包括以下步骤：

构建患者集合、实体集合和关系集合；

根据所述患者集合和所述实体集合中每个患者和每个实体的交互情况构建患者-实体矩阵；

根据所述患者-实体矩阵构建患者特征向量；

将所述患者特征向量非线性变换为D维患者特征向量，D为正整数；

将所述实体集合中的每个实体转换为D维向量，以构建实体向量矩阵；

将所述关系集合中的每个关系转换为D维向量，以构建关系向量矩阵；

根据所述实体集合和所述知识图谱中两两实体的相邻情况构建实体-实体邻域矩阵；

根据所述关系集合、所述实体集合和所述知识图谱中实体和关系的相邻情况构建实体-关系邻域矩阵；

融合所述实体-实体邻域矩阵和所述实体向量矩阵，以生成实体邻域矩阵；

融合所述实体-关系邻域矩阵和所述关系向量矩阵，以生成关系邻域矩阵；

将所述关系邻域矩阵和所述D维患者特征向量先做内积后一维求和，以生成患者-关系分数；

将所述患者-关系分数与所述实体邻域矩阵做内积，以生成患者邻域矩阵；

将所述患者邻域矩阵和所述实体邻域矩阵相加，以生成更新患者邻域矩阵；

将所述更新患者邻域矩阵和所述D维患者特征向量先做内积后一维求和，以生成诊疗方案向量，以构建完成图神经网络模型。

2.根据权利要求1所述的图神经网络模型构建方法，其特征在于，所述历史诊疗数据包括结构化数据和非结构化数据，所述知识图谱三元组的构建包括以下步骤：

直接抽取所述结构化数据中的实体和关系；

根据实体抽取模型抽取所述非结构化数据中的实体，以生成实体数据；

根据关系抽取模型抽取所述实体数据中两两实体之间的关系；以及，

根据所述实体和所述关系，构建所述知识图谱三元组。

3.根据权利要求2所述的图神经网络模型构建方法，其特征在于，采用实体抽取模型抽取所述非结构化数据中的实体包括以下步骤：

1)获取所述非结构化数据；

2)标注部分所述非结构化数据中实体的实体类型，以生成所述实体类型训练数据；

3)根据所述实体类型训练数据训练预设的实体学习模型，以生成所述实体抽取模型；

4)根据所述实体抽取模型预测预测非结构化数据中实体的实体类型，以生成预测数据，其中，所述预测非结构化数据是通过删去所述非结构化数据中所述实体类型训练数据对应的非结构化数据生成；

5)核对所述预测数据中实体与实体类型是否正确对应，将正确对应的所述预测数据加入所述实体类型训练数据，以生成更新实体类型训练数据；

6)确定所述预测数据中所有实体的实体类型是否均正确对应；若否，采用所述更新实体类型训练数据替换所述实体类型训练数据，重复迭代3)-5)步骤；若是，则抽取最后一次生成的所述更新实体类型训练数据和所述预测数据中的实体，以生成所述实体数据。