[发明专利]一种应用于医学知识图谱的数据融合方法及装置

权利要求书

1.一种应用于医学知识图谱的数据融合方法，其特征在于，包括：

获取不同数据来源的初始三元组，所述三元组包括头实体、尾实体和关系；

计算所述初始三元组中各个尾实体的相似度，获得各个尾实体的相似度计算结果，所述计算所述初始三元组中各个尾实体的相似度，获得各个尾实体的相似度计算结果，包括：获取各个尾实体的语义相似度特征、结构相似度特征和字符相似度特征；将所述语义相似度特征、结构相似度特征和字符相似度特征输入到尾实体融合模型，得到各个尾实体的融合结果；将所述各个尾实体的相似度计算结果，确定为各个尾实体的融合结果；

基于所述各个尾实体的相似度计算结果，对各个尾实体进行融合；

利用尾实体融合后的数据，计算头实体的相似度，所述利用尾实体融合后的数据，计算头实体的相似度，包括：获取尾实体融合后的三元组中的头实体的属性特征；基于所述属性特征，计算各个头实体的属性相似度；获取尾实体融合后的三元组中的头实体的结构特征，所述结构特征包括两头实体包含的相同尾节点个数、头实体对应的所有尾实体集合中相同尾节点的字符数与字符总数的比值和利用表示学习计算得到的头实体之间的相似度；基于所述结构特征，计算各个头实体的结构相似度；

基于头实体的相似度计算结果，对头实体进行融合，得到目标三元组，所述基于头实体的相似度计算结果，对头实体进行融合，包括：若各个头实体的属性相似度满足融合条件，对各个头实体进行融合，得到头实体融合结果；若各个头实体的属性相似度不满足融合条件，基于所述各个头实体的结构相似度对各个头实体进行融合，得到头实体融合结果。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

计算各个尾实体的语义相似度特征，包括：

将各个尾实体转换为词向量；

计算各个词向量之间的距离，并基于所述距离确定各个尾实体的语义相似度，获得语义相似度特征。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

计算各个尾实体的结构相似度，包括：

将所述初始三元组确定为正例，并获取与所述正例对应的负例，所述负例为随机替换所述初始三元组中头实体或尾实体得到的；

通过映射矩阵分别对所述正例和所述负例进行映射，获得第一映射结果和第二映射结果；

基于所述第一映射结果和第二映射结果，利用余弦公式计算得到各个尾实体间的结构相似度特征。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

计算字符相似度特征，包括：

获取各个尾实体的字符信息；

基于所述字符信息，计算字符相似度特征，所述字符相似度特征表征两个尾实体中相同字符个数与总字符数的比值。