[发明专利]构建中医知识图谱的方法及装置

权利要求书

1.构建中医知识图谱的方法，其特征在于，该方法包括：

预先建立中医实体关系抽取模型，其中，所述中医实体关系抽取模型用于将输入的一个中医知识文本拆分为三个文本段，每个所述文本段中均包含已标记出的两个中医实体，从所述三个文本段中识别出包含所述两个中医实体的实体关系的语义信息；

对所述中医实体关系抽取模型进行训练，生成训练后的中医实体关系抽取模型；

利用训练后的所述中医实体关系抽取模型，对多个中医知识文本进行实体关系抽取，生成各个中医实体之间的实体关系；

根据各个中医实体之间的实体关系，生成中医知识图谱。

2.根据权利要求1所述的方法，其特征在于，

所述利用训练后的所述中医实体关系抽取模型，对多个中医知识文本进行实体关系抽取，生成各个中医实体之间的实体关系，包括：

针对任一中医知识文本，均执行：

从所述中医知识文本中拆分出三个文本段，其中，每个文本段中均包含已标记出的两个中医实体；

确定每个文本段的特征向量；

根据所述三个文本段的特征向量，生成所述中医知识文本的特征矩阵；

对所述特征矩阵进行卷积运算，生成所述中医知识文本的特征图；

对所述特征图进行池化运算，生成所述中医知识文本的池化后向量；

将所述池化后向量输入到所述中医实体关系抽取模型的输出层，抽取出所述中医知识文本中两个中医实体之间的实体关系。

3.根据权利要求2所述的方法，其特征在于，

所述根据所述三个文本段的特征向量，生成所述中医知识文本的特征矩阵，包括：

针对任一文本段的特征向量，均执行：

根据第一公式和所述文本段的特征向量，确定所述文本段的特征矩阵，所述第一公式为：

其中，Z_q为第q个文本段的特征矩阵，C_q为第q个文本段的特征向量，B为预设的初始矩阵，D为所述中医知识文本中两个中医实体的实体向量之差，C_r为第r个文本段的特征向量；

根据所述三个文本段的特征矩阵，生成所述中医知识文本的特征矩阵。

4.根据权利要求2所述的方法，其特征在于，

所述对所述特征图进行池化运算，生成池化后向量，包括：

利用最大值池化算法对所述特征图进行池化，生成第一向量；

利用平均值池化算法对所述特征图进行池化，生成第二向量；

根据所述第一向量和所述第二向量，生成所述池化后向量。

5.根据权利要求2所述的方法，其特征在于，

所述对所述中医实体关系抽取模型进行训练，包括：

利用第一损失函数对所述中医实体关系抽取模型进行训练，其中，所述第一损失函数为：

L＝(1-softmax(dm+h))(||δ||²+lg(softmax(dm+h))^-τ)

其中，L为第一损失函数的值，δ为所述中医实体关系抽取模型的超参数，τ为预设的样本的调节参数，d为预设的第一比例系数，h为预设的第二比例系数，m为样本的池化后向量。

6.构建中医知识图谱的装置，其特征在于，该装置包括：

训练模块，用于对预先建立的中医实体关系抽取模型进行训练，生成训练后的中医实体关系抽取模型，其中，所述中医实体关系抽取模型用于将输入的一个中医知识文本拆分为三个文本段，每个所述文本段中均包含已标记出的两个中医实体，从所述三个文本段中识别出包含所述两个中医实体的实体关系的语义信息；

抽取模块，用于利用训练后的所述中医实体关系抽取模型，对多个中医知识文本进行实体关系抽取，生成各个中医实体之间的实体关系；

生成模块，用于根据各个中医实体之间的实体关系，生成中医知识图谱。