中文醫(yī)療知識(shí)圖譜半自動(dòng)化構(gòu)建研究.pdf

1、本文主要研究了中文醫(yī)療知識(shí)圖譜半自動(dòng)構(gòu)建機(jī)制，首先介紹了此課題的研究背景和研究意義，然后討論了國(guó)內(nèi)外知識(shí)圖譜的研究現(xiàn)狀。詳細(xì)介紹了構(gòu)建中文知識(shí)圖譜面臨的挑戰(zhàn)以及構(gòu)建流程中包括的四個(gè)模塊:知識(shí)獲取、知識(shí)表示、知識(shí)存儲(chǔ)和知識(shí)可視化。對(duì)于中文知識(shí)圖譜的構(gòu)建挑戰(zhàn)，本文采取從特定領(lǐng)域的知識(shí)圖譜的構(gòu)建著手，采取從特定領(lǐng)域網(wǎng)站進(jìn)行知識(shí)的獲取，作為語(yǔ)料庫(kù)的知識(shí)補(bǔ)充。以醫(yī)療領(lǐng)域網(wǎng)站為信息獲取源，提出了一種面向?qū)嶓w屬性分離存儲(chǔ)的半自動(dòng)化關(guān)系抽取系統(tǒng)，用來(lái)獲

2、取實(shí)體屬性關(guān)系。根據(jù)實(shí)體的屬性關(guān)系描述數(shù)據(jù)，生成句子級(jí)別的實(shí)體描述，提出基于弱監(jiān)督關(guān)系抽取的樣本提取方案，找出包含該實(shí)體及其屬性關(guān)系對(duì)應(yīng)實(shí)體的正樣本訓(xùn)練數(shù)據(jù)。使用基于卷積神經(jīng)網(wǎng)絡(luò)的關(guān)系分類(lèi)，并和傳統(tǒng)的機(jī)器學(xué)習(xí)方法進(jìn)行了實(shí)驗(yàn)比較，實(shí)驗(yàn)驗(yàn)證了基于卷積神經(jīng)網(wǎng)絡(luò)的弱監(jiān)督關(guān)系抽取的高有效性和準(zhǔn)確性。最終將數(shù)據(jù)存放于圖數(shù)據(jù)庫(kù)Neo4j中，并完成醫(yī)療數(shù)據(jù)的可視化展示。
　　論文的主要研究工作有:
　　(1)本文針對(duì)醫(yī)療網(wǎng)站中的大多數(shù)實(shí)體詳

3、細(xì)頁(yè)面存在結(jié)構(gòu)化數(shù)據(jù)（實(shí)體和屬性關(guān)系）并且這些結(jié)構(gòu)化數(shù)據(jù)分布在不同的屬性關(guān)系頁(yè)面中的特征，提出了一種面向?qū)嶓w屬性分離存儲(chǔ)的半自動(dòng)化關(guān)系抽取系統(tǒng)。本系統(tǒng)不僅可以完成分離存儲(chǔ)的實(shí)體與屬性關(guān)系抽取，還能夠兼容常規(guī)的單頁(yè)面級(jí)別的關(guān)系抽取。
　　(2)在第一個(gè)工作中獲取得到了醫(yī)療領(lǐng)域網(wǎng)站的實(shí)體屬性關(guān)系，其中包含大量的實(shí)體文本描述信息，可以進(jìn)一步的幫助完善實(shí)體間的關(guān)系抽取。因此提出基于卷積神經(jīng)網(wǎng)絡(luò)的弱監(jiān)督關(guān)系抽取，首先約束和假設(shè)弱監(jiān)督關(guān)系抽取