[发明专利]基于医疗知识图谱的智能问答方法和装置

权利要求书

1.一种基于医疗知识图谱的智能问答方法，其特征在于，包括：

获取患者咨询文本；

根据所述患者咨询文本和预设咨询问答模型在预设医疗知识图谱中同时进行图搜索、文本检索和语义向量检索，对应得到三种召回结果；

将所有所述召回结果输入至预设排序评分模型，得到所有所述召回结果的评分数据；

在所有所述召回结果中确定出评分最高的目标召回结果；

将所述目标召回结果发送给预设终端。

2.根据权利要求1所述的基于医疗知识图谱的智能问答方法，其特征在于，所述预设医疗知识图谱通过如下方法构建：

获取医疗知识数据；所述医疗知识数据包括结构化数据、半结构化数据和非结构化数据；

基于预设规则将所述结构化数据和所述半结构化数据转换成第一抽取结果数据，以及基于预设医学知识自动抽取模型在所述非结构化数据中抽取第二结果数据；所述第一抽取结果数据和所述第二抽取结果数据组成医疗知识抽取结果集；

将所述医疗知识抽取结果集与预设开源知识库融合，得到所述预设医疗知识图谱。

3.根据权利要求2所述的基于医疗知识图谱的智能问答方法，其特征在于，所述第一抽取结果数据的数据格式为RDF三元组或图数据；

所述第二抽取结果数据的数据格式为RDF三元组或图数据。

4.根据权利要求2所述的基于医疗知识图谱的智能问答方法，其特征在于，所述预设医学知识自动抽取模型通过如下模型训练方法得到：

获取初始训练语料数据集；

根据预设数据增强规则扩展所述初始训练语料数据集，得到最终训练语料数据集；

基于所述最终训练语料数据集，训练得到所述预设医学知识自动抽取模型；所述预设医学知识自动抽取模型为关于BERT+BiLSTM+CRF的模型。

5.根据权利要求4所述的基于医疗知识图谱的智能问答方法，其特征在于，还包括：用TinyALBERT中文模型替代所述BERT+BiLSTM+CRF的模型中的BERT的base模型。

6.根据权利要求2所述的基于医疗知识图谱的智能问答方法，其特征在于，所述将所述医疗知识抽取结果集与预设开源知识库融合，得到所述预设医疗知识图谱，包括：

基于所述医疗知识抽取结果集和所述预设开源知识库构建领域同义实体库；所述领域同义实体库包括医疗实体的同义词对；

根据所述领域同义实体库建立所述医疗知识抽取结果集和所述预设开源知识库之间的医疗实体映射关系；

根据所述医疗实体映射关系将所述医疗知识抽取结果集与预设开源知识库融合，得到所述预设医疗知识图谱。

7.根据权利要求6所述的基于医疗知识图谱的智能问答方法，其特征在于，所述根据所述医疗实体映射关系将所述医疗知识抽取结果集与预设开源知识库融合，得到所述预设医疗知识图谱之后，还包括：

将所述预设医疗知识图谱中的实体-关系数据存储至预设Neo4j图数据库中，以及将所述预设医疗知识图谱中的实体-属性类数据存储至预设ElasticSearch中。