[发明专利]基于知识图谱的归因分析方法、装置和系统

权利要求书

1.一种基于知识图谱的归因分析方法，用于服务器端，收集用户输入的睡眠障碍体检数据，通过算法模型，对数据进行睡眠障碍与体检数据关系抽取、与用户行为事件抽取、医生经验实体消歧、疾病和症状知识图谱知识融合和知识处理，利用图数据库对知识进行存储，结合业务专家经验构建知识图谱；

根据知识图谱和输入信息，抽取相关子图，构造结构先验，构造结构先验统计出样本中变量的频数以及变量间的频数，计算得到变量的平均频数以及变量间的平均频数，根据子图结构，将父节点作为尾节点，子节点作为头节点，利用所述频数和平均频数得到节点间的概率分布，重复构造节点间的概率分布，将得到的子图概率分布作为结构先验参数，结合样本学习得到贝叶斯网络结构；构造结构先验在打分函数中加入惩罚因子，使得先验结构融合到后验结构中；结合训练样本，学习建立贝叶斯网络模型，在贝叶斯网络结构学习过程中，加入部分互信息，以精确地度量变量间的线性与非线性因果关系；

利用学习建立的贝叶斯网络模型进行归因分析。

2.根据权利要求1所述的基于知识图谱的归因分析方法，所述算法模型包括自然语言处理、深度学习和知识图谱技术。

3.根据权利要求1所述的基于知识图谱的归因分析方法，所述构造结构先验通过抽取子图结构，直接构造贝叶斯网络结构参数分布，再结合样本，共同学习贝叶斯网络结构。

4.一种基于知识图谱的归因分析方法，应用于互联网医疗平台，收集用户输入的睡眠障碍体检数据，通过算法模型，对数据进行睡眠障碍与体检数据关系抽取、与用户行为事件抽取、医生经验实体消歧、疾病和症状知识图谱知识融合和知识处理，利用图数据库对知识进行存储，结合医生专家经验构建知识图谱；

根据知识图谱和输入信息，抽取相关子图，构造结构先验，构造结构先验统计出样本中变量的频数以及变量间的频数，计算得到变量的平均频数以及变量间的平均频数，根据子图结构，将父节点作为尾节点，子节点作为头节点，利用所述频数和平均频数得到节点间的概率分布，重复构造节点间的概率分布，将得到的子图概率分布作为结构先验参数，结合样本学习得到贝叶斯网络结构；构造结构先验在打分函数中加入惩罚因子，使得先验结构融合到后验结构中；结合训练样本，学习建立贝叶斯网络模型，在贝叶斯网络结构学习过程中，加入部分互信息，以精确地度量变量间的线性与非线性因果关系；

利用学习建立的贝叶斯网络模型进行归因分析形成分析结果。

5.根据权利要求4所述的方法，所述医疗诊断检查数据包括文本数据和图片数据。

6.根据权利要求4所述的方法，所述方法结合专家经验，构建相关业务领域的知识图谱，基于图片抽取相关子图，在子图上利用图神经网络模型进行节点之间关系的预测，挖掘更多因果关系，构造贝叶斯网络机构先验分布，结合样本学习贝叶斯网络。

7.一种基于知识图谱的归因分析系统，包括服务器端、客户端和互联网医疗平台，

用户通过所述客户端提交睡眠障碍体检数据，

所述互联网医疗平台，收集用户输入的睡眠障碍体检数据，通过算法模型，对数据进行睡眠障碍与体检数据关系抽取、与用户行为事件抽取、医生经验实体消歧、疾病和症状知识图谱知识融合和知识处理，利用图数据库对知识进行存储，结合医生专家经验构建知识图谱；

根据知识图谱和输入信息，抽取相关子图，构造结构先验，构造结构先验统计出样本中变量的频数以及变量间的频数，计算得到变量的平均频数以及变量间的平均频数，根据子图结构，将父节点作为尾节点，子节点作为头节点，利用所述频数和平均频数得到节点间的概率分布，重复构造节点间的概率分布，将得到的子图概率分布作为结构先验参数，结合样本学习得到贝叶斯网络结构；构造结构先验在打分函数中加入惩罚因子，使得先验结构融合到后验结构中；结合训练样本，学习建立贝叶斯网络模型，在贝叶斯网络结构学习过程中，加入部分互信息，以精确地度量变量间的线性与非线性因果关系；

利用学习建立的贝叶斯网络模型进行归因分析形成分析结果。