一种可区分单双相情感障碍症的知识图谱构建方法及系统

摘要

本发明涉及情感障碍症知识图谱构建领域，尤其是一种可区分单双相情感障碍症的知识图谱构建方法及系统，其中，一种可区分单双相情感障碍症的知识图谱构建方法利用多源异构的数据源保证了数据的全面性，并通过计算关系三元组的可信度来判断其正确性，进而达到筛选和实时更新情感障碍症数据库中数据目的，保证了知识图谱的准确性和实时性；利用本发明的方法获得的知识图谱可区分的单相情感障碍症和双相情感障碍症，同时知识图谱中内容精细，数据多源，数据融合完善，能够支撑情感障碍症患者及家属实现自我诊断和监测和辅助医生临床做出决策的目的。

说明书

技术领域

本发明涉及情感障碍症知识图谱构建领域，尤其是一种可区分单双相情感障碍症的知识图谱构建方法及系统。

背景技术

情感障碍症（抑郁症）是世界第四大疾病，然而目前对情感障碍症的医疗防治还处在识别率低的状态，随着社会信息化程度加深，情感障碍症已开始出现低龄化趋势。虽然利用自然语言处理和数据挖掘技术构建知识图谱的技术已日趋成熟，但是由于情感障碍症在临床上存在症状多、复杂性高、易误诊和类型鉴别困难等特点，现有已构建的中文医学知识图谱有关情感障碍症的内容较为简略粗糙，尤其是可区分单相情感障碍症和双向情感障碍症这两种部分表现症状相似，鉴别困难，极易发生误诊的情感障碍症知识图谱，不足以支撑情感障碍症患者及家属实现自我诊断和监测和辅助医生临床做出决策的目的。目前尚未有人成功构建可区分单双相情感障碍症的精细知识图谱，同时构建的小科门类疾病知识图谱存在数据源单一，说服力不高的问题，因此，亟需一种制作精细、数据多源、融合算法完善的可区分单双相情感障碍症的知识图谱构建方法。

发明内容

针对现有技术中的不足与实际需求，第一方面，本发明提供了一种可区分单双相情感障碍症的知识图谱构建方法，包括如下步骤：获取多源异构的情感障碍症信息，并利用所述情感障碍症信息搭建基础语料库，所述情感障碍症信息包括单相情感障碍症信息和双相情感障碍症信息；通过抽取所述基础语料库中的实体单元和实体关系构建初始三元组集；整合所述初始三元组集获得目标三元组集；识别所述目标三元组集中关系三元组的极性，并根据所述极性计算所述关系三元组的可信度；根据所述关系三元组的可信度，动态更新所述目标三元组集获得情感障碍症数据库；利用动态更新的情感障碍症数据库构建可区分单相情感障碍症和双相情感障碍症的知识图谱。本发明用于构建可区分单双相情感障碍症的知识图谱的方法，通过多源异构的数据源保证了数据的全面性，并通过计算关系三元组的可信度来判断其正确性，以达到筛选和实时更新情感障碍症数据库中数据目的，保证了知识图谱的准确性和实时性；利用本发明的方法获得的知识图谱可区分的单相情感障碍症和双相情感障碍症，同时知识图谱中内容精细，数据多源，数据融合完善，并且能够支撑情感障碍症患者及家属实现自我诊断和监测和辅助医生临床做出决策的目的。

可选地，所述获取多源异构的情感障碍症信息，并利用所述情感障碍症信息搭建基础语料库，包括如下步骤：分别从医学权威书籍、医学科研论文、医院电子病历和互联网数据资源中获取结构化、半结构化以及非结构化的单相情感障碍症信息和双相情感障碍症信息；对所述单相情感障碍症信息和所述双相情感障碍症信息进行数据清洗和格式处理；利用数据清洗和格式处理后的单相情感障碍症信息和双相情感障碍症信息搭建获得基础语料库。

可选地，所述通过抽取所述基础语料库中的实体单元和实体关系构建初始三元组集，包括如下步骤：利用所述基础语料库，通过梯度下降法和卷积神经网络训练最大熵马尔可夫模型；利用所述最大熵马尔可夫模型抽取所述基础语料库中的实体单元；基于所述最大熵马尔可夫模型，利用卷积神经网络在所述基础语料库抽取实体关系；抽取所述实体单元中的属性特征，并利用所述属性特征和实体单元构建二元属性列表；通过所述二元属性列表匹配所述实体单元，获取属性三元组集；利用所述实体单元和所述实体关系，搭建关系三元组集；汇总属性三元组集和关系三元组集，并对所述属性三元组集和关系三元组集进行归一化处理，获取初始三元组集。

可选地，所述整合所述初始三元组集获得目标三元组集，包括如下步骤：通过实体对齐整合所述初始三元组中的实体单元，消除所述初始三元组中的实体命名指代冲突；通过属性对齐整合所述初始三元组中的属性特征，消除所述初始三元组中的属性特征指代冲突。

可选地，所述识别所述目标三元组集中关系三元组的极性，并根据所述极性计算所述关系三元组的可信度，包括如下步骤：追溯所述关系三元组的数据来源，并根据数据来源设定所述关系三元组的可信度权值；根据实体单元对所述关系三元组分类，获取就多组关系三元组子集，其中，任一关系三元组子集中所有关系三元组的实体单元指代的内容相同；通过关系三元组中的实体关系，将关系三元组子集中元素划分为正向关系三元组和负向关系三元组；利用所述正向关系三元组的数量、所述负向关系三元组的数量和所述关系三元组的可信度权值，构建关系三元组的可信度函数，所述可信度函数满足如下关系：

其中，

可选地，所述根据所述关系三元组的可信度，动态更新所述目标三元组集获得情感障碍症数据库，包括如下步骤：追溯所述关系三元组的数据来源，并根据数据来源设定所述关系三元组的可信度阈值；利用所述可信度结合所述可信度阈值，获取不可信关系三元组；剔除所述目标三元组集中不可信关系三元组，动态更新所述目标三元组集获得情感障碍症数据库。

可选地，所述可信度阈值满足如下公式：

其中，

可选地，所述利用所述可信度结合所述可信度阈值，获取不可信关系三元组，包括如下步骤：将可信度大于等于可信度阈值的关系三元组标记为可信关系三元组；将可信度小于可信度阈值的关系三元组标记为不可信关系三元组。

可选地，所述利用动态更新的情感障碍症数据库构建可区分单相情感障碍症和双相情感障碍症的知识图谱，包括如下步骤：追溯动态更新的情感障碍症数据库中三元组的数据来源；根据所述数据来源，将所述情感障碍症数据库分为单相情感障碍症子数据库和双相情感障碍症子数据库；利用单相情感障碍症子数据库，构建单层单相情感障碍症知识图谱；利用双相情感障碍症子数据库，构建单层双相情感障碍症知识图谱；提取单相情感障碍症子数据库和双相情感障碍症子数据库中的共有因子，共有因子包括三元组的实体单元；通过共有因子搭建单相情感障碍症和双相情感障碍症的中间图层；利用所述单层单相情感障碍症知识图谱、所述单层双相情感障碍症知识图谱和所述中间图层构建可区分单相情感障碍症和双相情感障碍症的知识图谱。

第二方面，本发明还提供了一种可区分单双相情感障碍症的知识图谱构建系统，所述可区分单双相情感障碍症的知识图谱构建系统包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行第一方面所述的可区分单双相情感障碍症的知识图谱构建方法。

附图说明

图1为本发明的可区分单双相情感障碍症的知识图谱构建方法流程图；

图2为本发明的可区分单双相情感障碍症的知识图谱的局部内容示意图；

图3为本发明的可区分单双相情感障碍症的知识图谱构建系统结构图。

具体实施方式

下面将详细描述本发明的具体实施例，应当注意，这里描述的实施例只用于举例说明，并不用于限制本发明。在以下描述中，为了提供对本发明的透彻理解，阐述了大量特定细节。然而，对于本领域普通技术人员显而易见的是：不必采用这些特定细节来实行本发明。在其他实例中，为了避免混淆本发明，未具体描述公知的电路，软件或方法。

在整个说明书中，对“一个实施例”、“实施例”、“一个示例”或“示例”的提及意味着：结合该实施例或示例描述的特定特征、结构或特性被包含在本发明至少一个实施例中。因此，在整个说明书的各个地方出现的短语“在一个实施例中”、“在实施例中”、“一个示例”或“示例”不一定都指同一实施例或示例。此外，可以以任何适当的组合和、或子组合将特定的特征、结构或特性组合在一个或多个实施例或示例中。此外，本领域普通技术人员应当理解，在此提供的示图都是为了说明的目的，并且示图不一定是按比例绘制的。

请参见图1，在一个实施例中，本发明提供了一种可区分单双相情感障碍症的知识图谱构建方法，包括如下步骤：

S1、获取多源异构的情感障碍症信息，并利用所述情感障碍症信息搭建基础语料库。

所述情感障碍症信息包括单相情感障碍症信息和双相情感障碍症信息。在一个可选的实施例中，步骤S1所述的所述获取多源异构的情感障碍症信息，并利用所述情感障碍症信息搭建基础语料库，包括如下步骤：分别从医学权威书籍、医学科研论文、医院电子病历和互联网数据资源中获取结构化、半结构化以及非结构化的单相情感障碍症信息和双相情感障碍症信息；对所述单相情感障碍症信息和所述双相情感障碍症信息进行数据清洗和格式处理；利用数据清洗和格式处理后的单相情感障碍症信息和双相情感障碍症信息搭建获得基础语料库。

在本实施例中，医学权威书籍选取医学院使用的教材和医学出版社出版的医学书籍。医学科研论文通过知网、维普和万方等网站下载获得；医院电子病历通过对医院的就诊数据进行脱敏处理后获得；脱敏处理表示对就诊数据进行变形处理，清除就诊数据中的个人隐私信息，其目的是保护隐私数据等信息的安全。互联网数据资源利用网络爬虫爬取，网络爬虫具体选择为聚焦网络爬虫；利用聚焦网络爬虫选择性地爬行预先定义好的与情感障碍症主题相关的医学或者科普类网，利用聚焦网络爬虫极大地节省了硬件和网络资源，同时更新快，还可以很好地满足对医学领域信息的需求。通过多种途径获得结构化、半结构化以及非结构化的单相情感障碍症信息数据和双相情感障碍症信息数据，保证了数据来源的丰富性和全面性。数据清洗表示将所述单相情感障碍症信息和双相情感障碍症信息的数据资源进行筛选，剔除错误的数据资源。格式处理表示将单相情感障碍症信息和双相情感障碍症信息的数据资源格式进行统一的格式化。利用数据清洗和格式处理将所述多源异构的情感障碍症信息转换成统一格式，并利用格式统一的多源异构的情感障碍症信息构建了基础语料库，便于后续数据处理，提高了后续数据处理的效率。

在又一个可选的实施例中，单相情感障碍症信息和双相情感障碍症信息的数据源包括但不限于医学权威书籍、医学科研论文、医院电子病历和互联网数据资源，即数据源可根据实际情况进行调整和选取。

S2、通过抽取所述基础语料库中的实体单元和实体关系构建初始三元组集。

在一个可选的实施例中，步骤S2所述的所述通过抽取所述基础语料库中的实体单元和实体关系构建初始三元组集，包括如下步骤：利用所述基础语料库，通过梯度下降法和卷积神经网络训练最大熵马尔可夫模型；利用所述最大熵马尔可夫模型抽取所述基础语料库中的实体单元；基于所述最大熵马尔可夫模型，利用卷积神经网络在所述基础语料库抽取实体关系；抽取所述实体单元中的属性特征，并利用所述属性特征和实体单元构建二元属性列表；通过所述二元属性列表匹配所述实体单元，获取属性三元组集；利用所述实体单元和所述实体关系，搭建关系三元组集；汇总属性三元组集和关系三元组集，并对所述属性三元组集和关系三元组集进行归一化处理，获取初始三元组集。

最大熵马尔可夫模型是在知识图谱构建中实体单元抽取部分常用的模型，但是仅利用最大熵马尔可夫模型对基础语料库中的实体单元进行抽取，抽取过程耗时长、代价高、可拓展性差；因此本发明采用利用梯度下降法和深度学习的卷积神级网络结合最大熵马尔可夫模型实现实体单元抽取，其中，所述卷积神经网络包括两个隐藏的卷积层、最大池化层和全连接层，所述卷积层用于提取基础语料库中的特征，所述最大池化层用于保留所述特征中的主要特征，从而达到降维的目的；所述全连接层用于对所述主要特征进行分类。利用梯度下降法和卷积神经网络继续训练的最大熵马尔可夫模型抽取基础语料库中的实体单元，极大程度地降低了实体单元抽取过程中的损失，通过增加了从基础语料库中抽取的特征的多样性，提升了原有的最大熵马尔可夫模型的泛化能力。

在本实施例中，实体单元包括情感障碍症类型、治理药物名称、临床症状名称等实体名词；属性特征包括治疗双向情感障碍药物的“注意事项”、“不良反应”、“禁忌”等表征属性词汇；实体关系包括实体名词间动作、作用等关系词汇，例如：“治疗”、“副作用”、“用于”。属性特征的形式可以具体选择为L={L1，…，Li}，其中Li表示属性列表中的某一属性特征，并利用该属性特征和实体单元构建二元属性列表，即实体单元随机和任一属性特征选择构成二元属性组，汇总二元属性组可获得所述的二元属性列表。所述二元属性列表中的二元属性组形式选择为<实体，属性>。通过所述二元属性列表再次匹配实体单元，获取属性三元组集，属性三元组集中属性三元组的形式为<实体，属性，实体>。利用实体单元和实体关系搭建的关系三元组集中关系三元组集的形式为<实体，关系，实体>。

在一个可选的实施例中，治疗双向情感障碍药物的注意事项、不良反应和禁忌等经过实体单元和属性特征的抽取与匹配，可以获得对应的二元属性列表，该二元属性列表中包含如下二元属性组：<治疗双向情感障碍药物，注意事项>、<治疗双向情感障碍药物，不良反应>和<治疗双向情感障碍药物，禁忌>；再通过所述二元属性列表匹配实体单元获取的属性三元组集，包括：<治疗双向情感障碍药物，注意事项，睡眠>、<治疗双向情感障碍药物，不良反应，呕吐>和<治疗双向情感障碍药物，禁忌，酒精>。

在又一个可选的实施例中，汇总属性三元组集和关系三元组集，并对所述属性三元组集和关系三元组集进行归一化处理后获取的初始三元组集中包括： <碳酸锂片，副作用，腹泻>和<盐酸帕罗西汀片，治疗，重度抑郁症>，其中，<碳酸锂片，副作用，腹泻>来自属性三元组集；<盐酸帕罗西汀片，治疗，重度抑郁症>来自关系三元组集。

S3、整合所述初始三元组集获得目标三元组集。

在一个可选的实施例中，步骤S3所述的整合所述初始三元组集获得目标三元组集，包括如下步骤：通过实体对齐整合所述初始三元组中的实体单元，消除所述初始三元组中的实体命名指代冲突；通过属性对齐整合所述初始三元组中的属性特征，消除所述初始三元组中的属性特征指代冲突。

在本实施例中，通过对初始三元组集中三元组的实体单元和属性特征进行对齐操作，消除了包括但不限于实体命名指代冲突、属性命名指代冲突等语言表述问题，其中，实体命名指代冲突具体可表现为：治理重度抑郁症的药物盐酸帕罗西汀片有其它名称，所述名称包括乐特、乐友、舒坦罗和Paroxetine。通过对齐操作消除初始三元组集中的错误数据、重复数据、冗余数据、歧义数据和关联性冲突数据，在保证了目标三元组集中指代的准确性地同时，也减少了后续基于目标三元组集的运算中产生的噪声。

S4、识别所述目标三元组集中关系三元组的极性，并根据所述极性计算所述关系三元组的可信度。

在一个可选的实施例中，步骤S4所述的识别所述目标三元组集中关系三元组的极性，并根据所述极性计算所述关系三元组的可信度，包括如下步骤：追溯所述关系三元组的数据来源，并根据数据来源设定所述关系三元组的可信度权值；根据实体单元对所述关系三元组分类，获取就多组关系三元组子集，其中，任一关系三元组子集中所有关系三元组的实体单元指代的内容相同；通过关系三元组中的实体关系，将关系三元组子集中元素划分为正向关系三元组和负向关系三元组；利用所述正向关系三元组的数量、所述负向关系三元组的数量和所述关系三元组的可信度权值，构建关系三元组的可信度函数，所述可信度函数满足如下关系：

其中，

在一个可选的实施例中，一个关系三元组<实体A，关系，实体B>有2个数据来源，其中一个数据来源来自医学论文，另一个数据来源来自互联网爬取数据：设置来自医学论文数据来源的可信度权值就可以设定为1.5，设置互联网数据来源的可信度权值可以设定为1.2。

在一个可选的实施例中，一个关系三元组子集包含有一个为正向关系三元组和一个负向关系三元组，具体地，正向关系三元组为<盐酸帕罗西汀片，可以治疗，重度抑郁症>；负向关系三元组为<盐酸帕罗西汀片，不可以治疗，重度抑郁症>。

S5、根据所述关系三元组的可信度，动态更新所述目标三元组集获得情感障碍症数据库。

在一个可选的实施例中，步骤S5所述的根据所述关系三元组的可信度，动态更新所述目标三元组集获得情感障碍症数据库，包括如下步骤：追溯所述关系三元组的数据来源，并根据数据来源设定所述关系三元组的可信度阈值；利用所述可信度结合所述可信度阈值，获取不可信关系三元组；剔除所述目标三元组集中不可信关系三元组，动态更新所述目标三元组集获得情感障碍症数据库。在本实施例中，所述的利用所述可信度结合所述可信度阈值，获取不可信关系三元组，包括如下步骤：将可信度大于等于可信度阈值的关系三元组标记为可信关系三元组；将可信度小于可信度阈值的关系三元组标记为不可信关系三元组。在本发明中每个关系三元组<实体，关系，实体>都需要可信度判断正确性，并利用可信度进行筛选，保留正确的可信关系三元组进入到图谱构建，进而保证了知识图谱的准确性。

在又一个可选的实施例中，通过步骤S4的一个可选的实施例中提出的可信度函 数：

其中，

在又一个可选的实施例中，步骤S4和步骤S5对初始三元组集进行的对齐操作、极性识别等操作，可通过如下代码实现：

S41、Begin；//开始；

S42、Initialization；//初始化；

S43、for Ei ϵ E ← aligned；//实体对齐操作；

S44、for Li ϵ L ← aligned；//属性对齐操作；

S45、RDG = update(RDF)；//更新初始三元组获得目标三元组；

S46、end；

S47、for q in RDG；//计算更新后目标三元组中关系三元组的极性；

S48、

S49、if (

S410、q = 1；//关系三元组q极性置为1；

S411、D1 ← q；//关系三元组q放进可信库D1中；

S412、else if (

S413、q = 0；//关系三元组q极性置为0；

S414、D2 ← q；//关系三元组q放进不可信库D2中；

S415、end if；

S416、end；

S417、if Normal ← Normal∪{Nupdate} then ；//动态更新基础语料库；

S418、update RDG；//再次更新目标三元组集；

S419、start the iteration process；//迭代过程；

S420、update D1，D2；//更新动态可信库D1，不可信库D2；

S421、end.

上述程序步骤通过输入初始三元组集合，可信度阈值和基础语料库，获得可信库D1和不可信库D2。即可信库D1中的关系三元组为可信关系三元组，不可信库D1中的关系三元组为不可信关系三元组。

S6、利用动态更新的情感障碍症数据库构建可区分单相情感障碍症和双相情感障碍症的知识图谱。

在一个可选的实施例中，步骤S6所述的利用动态更新的情感障碍症数据库构建可区分单相情感障碍症和双相情感障碍症的知识图谱，包括如下步骤：追溯动态更新的情感障碍症数据库中三元组的数据来源；根据所述数据来源，将所述情感障碍症数据库分为单相情感障碍症子数据库和双相情感障碍症子数据库；利用单相情感障碍症子数据库，构建单层单相情感障碍症知识图谱；利用双相情感障碍症子数据库，构建单层双相情感障碍症知识图谱；提取单相情感障碍症子数据库和双相情感障碍症子数据库中的共有因子，共有因子包括三元组的实体单元；通过共有因子搭建单相情感障碍症和双相情感障碍症的中间图层；利用所述单层单相情感障碍症知识图谱、所述单层双相情感障碍症知识图谱和所述中间图层构建可区分单相情感障碍症和双相情感障碍症的知识图谱。在本实施例中，单相情感障碍症子数据库、双相情感障碍症子数据库以及共有因子形成的子数据库均采用开源图形数据库Neo4j作为底层的存储结构。

本发明用于构建可区分单双相情感障碍症的知识图谱的方法，通过多源异构的数据源保证了数据的全面性，并通过计算关系三元组的可信度来判断其正确性，以达到筛选和实时更新情感障碍症数据库中数据目的，保证了知识图谱的准确性和实时性；利用本发明的方法获得的知识图谱可区分的单相情感障碍症和双相情感障碍症，同时知识图谱中内容精细，数据多源，数据融合完善，并且能够支撑情感障碍症患者及家属实现自我诊断和监测和辅助医生临床做出决策的目的。

在一个可选的实施例中，通过本发明的方法构建的可区分单双相情感障碍症的知识图谱的局部内容如图2所示，在该知识图谱中，利用不同颜色的几何图形表示所述三元组数据模型中的实体单元，详细地，在本实施例中，使用红色圆形表示病情类型，所述病情类型具体包括双相情感障碍和单相抑郁症；使用蓝色圆形表示病情对应的临床心理状况，所述临床心理状况具体包括抑郁、狂躁、情绪异常、情绪底下、思维迟缓和躯体化症状，使用黄色圆形表示治疗药物，所述治疗药物具体包括碳酸锂片和盐酸帕罗西汀片，使用绿色圆形表示病情对应的临床生理状况，所述临床生理状况包括恶心、呕吐和头晕；不同的连线表示所述实体单元之间的不同的关系，在本实施例中，利用带箭头的虚线表示所述实体之间存在关系，同时通过在所述虚线旁标注来表示所述关系的具体含义，在图2中，TM表示治疗关系、SE表示治疗药物副作用关系、SYM表示实体的症状关系、EC表示实体之间易混淆关系。利用不同颜色的图形表征不同的实体单元，提高了知识图谱可视化的辨识度。

请参见图3，本发明还提供了一种可区分单双相情感障碍症的知识图谱构建系统，所述可区分单双相情感障碍症的知识图谱构建系统包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行本发明的可区分单双相情感障碍症的知识图谱构建方法。本发明提供的可区分单双相情感障碍症的知识图谱构建系统，集成度高，结构紧凑，稳定性好，能够高效率地执行区分单双相情感障碍症的知识图谱构建方法，进一步提升了本发明的实用性。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。