[发明专利]医学健康领域知识图谱的关系抽取方法及系统

说明书

本发明公开了一种医学健康领域知识图谱的关系抽取方法及系统，该关系抽取方法包括：步骤S1，构造训练语料；步骤S2，将所述训练语料输入至基于Bi‑GRU和双重关注的模型进行训练，以得到关系抽取模型，所述双重关注包括字级别的关注和句子级别的关注；步骤S3，使用关系抽取模型预测知识文本中的实体之间的关系。本发明的上述技术方案，能够在构建医疗健康领域知识图谱中自动发现实体之间的关系。

技术领域

本发明涉及一种医学健康领域知识图谱的关系抽取方法及系统。

背景技术

如果知识是人类进步的阶梯，知识图谱就是AI(Artificial Intelligence，人工智能)进步的阶梯。知识图谱作为一项AI领域的底层技术，可以把人类的知识转化为机器可理解的知识，是AI在行业领域内深化机器智能最为重要的技术之一。最近几年各个行业在机器智能领域都在建立行业内知识图谱以提供深度的知识服务。

在全数据时代，知识图谱将原本没有联系的数据连接起来，可以发现数据间人类尚未发现的关系，这些发现可用于医疗领域内的药物研制、疾病的深度探索等等。知识图谱还可用于知识问答、用户检索、行为决策等等领域。

但是，知识图谱的构建却具有很大的技术难度，需要使用自然语言处理技术、数据库技术和语义推理等多重技术作支持，同时还需要大量的专业人员参与校验。总之，想建立一个关于全部人类知识的广义图谱是非常巨大的工程，目前只有少数几家公司和组织在尝试。另一方面针对各个行业领域的领域内的知识图谱也正方兴未艾，相比于上述广义知识图谱，领域内知识图谱只需关注某个领域的人类知识即可，其可构建化成本也要小很多，例如医疗健康领域内的知识图谱。

然而，面对海量的自由文本和医学专家文章，若人工构建医学知识图谱需要花费巨大的人力物力。所以近几年业内开始尝试使用机器学习的方式自动构建知识图谱，常规的自动构建方式在抽取关系对上的准确率有待提升，无法达到工业级的应用标准。困难在于：一是常规机器学习方法的瓶颈在处理海量数据里力不从心，二是组织起高质量的训练语料非常困难，即便有了更好的算法，但是没有高质量的训练语料也达不到好的效果。

针对相关技术中的上述问题，目前尚未提出有效的解决方案。

发明内容

针对相关技术中的上述问题，本发明提出一种医学健康领域知识图谱的关系抽取方法及系统，能够在构建医疗健康领域知识图谱中自动发现实体之间的关系。

本发明的技术方案是这样实现的：

根据本发明的一个方面，提供了一种医学健康领域知识图谱的关系抽取方法，包括：

步骤S1，构造训练语料，

步骤S2，将训练语料输入至基于Bi-GRU和双重关注的模型进行训练，以得到关系抽取模型，双重关注包括字级别的关注和句子级别的关注；

步骤S3，使用关系抽取模型预测知识文本中的实体之间的关系。

根据本发明的实施例，在步骤S1中，构造训练语料包括：根据知识图谱抽取其中的关系对，并在语料库中选择正确的句子，以构造正关系对样本。

根据本发明的实施例，在步骤S1中，构造训练语料还包括：随机抽取没有关系的实体对，并在语料库中随机抽取与没有关系的实体对共现的句子，以构造负关系对样本。

根据本发明的实施例，步骤S2包括：将训练语料中的每一个字符输入作为字嵌入，随后对每个句子的输入进行训练并加入字级别的关注。

根据本发明的实施例，步骤S3包括：识别知识文本中的实体；提取与识别的实体共现的句子；根据提取的句子，并使用关系抽取模型预测识别的实体之间的关系。

根据本发明的实施例，其中，基于Bi-GRU和双重关注的模型的输入层包括句子、实体对、以及实体对之间的关系。