基于知识图谱的医疗专家系统

摘要

随着互联网的发展，互联网医疗科普搜索需求急剧增加，但互联网上现有的医疗科普网站不仅导航过于专业，让普通用户无法快速找到所需的内容，而且缺乏针对性，无法根据用户的不同问题给出针对性的回答。为了缓解这一矛盾，基于知识图谱技术，本文设计并开发了一种基于知识图谱的医疗专家辅助系统，通过运用自然语言处理相关技术，对医疗电子病历中的自有文本提取知识，构建知识图谱;在知识图谱基础上运用语义搜索和问答系统相关技术，提供医疗语义搜索和医疗智能问答服务。使得本系统可以直接理解用户的意图，用户不用在专业网站中寻找自己所需的信息;同时可以根据用户的不同输入做出针对性的回答。
　　本文的贡献有:
　　1)设计并实现了针对非结构化数据的医疗知识图谱构建系统，从命名实体识别、关系抽取和知识融合三个方面进行了详述。
　　2)设计并实现了基于知识图谱的医疗语义搜索和问答模型，从问答数据集构建、算法选择和结果展示三个方面进行了详述。
　　3)设计并实现了基于知识图谱的医疗问答系统，提供医疗命名实体识别、医疗关系抽取、知识图谱可视化、医疗语义搜索和医疗智能问答服务。

目录

声明

摘要

1．1 课题背景

1．2 知识图谱简介

1．3 知识图谱的构建

1．4 知识图谱的应用

1．5 主要研究内容

1．6 论文组织

1．7 本章小结

2．1 知识图谱的构建

2．1．1 实体抽取

2．1．2 关系抽取

2．2 知识图谱的表示和存储

2．3 知识图谱的应用

2．3．1 语义搜索

2．3．2 智能问答

2．4 本章小结

3．1 系统概述

3．2 模块简介

3．2．1 交互界面

3．2．2 构建系统

3．2．3 知识数据库

3．2．4 平台数据库

3．2．5 应用系统

3．2．6 平台管理

3．3 功能介绍

3．4 本章小结

第4章 医疗知识图谱自动构建

4．1 命名实体识别

4．1．1 条件随机场

4．1．2 Bi-LSTM

4．1．3 Bi-LSTM+CRF

4．1．4 词向量

4．1．5 Bootstrapping

4．1．6 实验及结果分析

4．2 关系抽取

4．2．1 卷积神经网络(CNN)

4．2．2 Bootstrapping

4．2．3 实验及结果分析

4．3 知识融合

4．4 本章小结

第5章 医疗知识图谱存储与可视化

5．1 数据存储

5．2 可视化

5．3 实验环境及数据

5．4 实验结果及分析

5．5 本章小结

第6章 语义搜索和智能问答

6．1 语义搜索

6．1．1 基于相似性

6．1．2 基于分类算法

6．1．3 实验及结果分析

6．2 智能问答

6．2．1 注意力机制(Attention Model)

6．2．2 记忆神经网络(MNN)

6．2．3 实验及结果分析

6．3 本章小结

7．1 系统架构

7．1．1 交互界面

7．1．2 构建系统

7．1．3 知识数据库

7．1．4 平台数据库

7．1．5 应用系统

7．1．6 平台管理

7．2 核心流程

7．2．1 知识图谱构建

7．2．2 语义搜索

7．2．3 智能问答

7．3 系统部署及应用

7．3．1 系统部署

7．3．2 应用示例

7．4 本章小结

8．1 工作总结

8．2 当前工作不足

8．3 未来展望

8．4 本章小结

参考文献

攻读硕士学位期间主要的研究成果

致谢