【CN110134796A】基于知识图谱的临床试验检索方法、装置、计算机设备及存储介质【专利】
基于知识图谱的信息检索技术研究
基于知识图谱的信息检索技术研究信息检索技术是由于信息量的大量增长和信息传播的迅速速度而日益受到关注和发展的一种技术。
它主要关注如何快速、准确地从海量的信息资源中找到所需的信息，为人们的生活和工作提供便捷和高效的服务。
然而，在信息检索过程中，存在着许多问题。
以传统的搜索引擎为例，其结果显示通常存在着固定的关键词匹配和模糊匹配，不能很好地解决用户的实际需求。
此外，由于传统搜索引擎的算法不断升级和优化，其结果也越来越被“人为”的干扰和影响，以致于搜索结果的可信性和精准性受到了一定的影响。
为解决这些问题，越来越多的学者开始研究如何基于知识图谱，提高信息检索技术的精准性和有效性。
那么，什么是知识图谱呢？知识图谱是基于语义网络技术和大数据分析技术建立起来的一张图表。
它可以在大数据的基础上，通过大数据分析和挖掘技术，提取和整理各种事物之间的关系，从而让机器更好地理解这些事物之间的联系。
例如，通过对于医疗领域的数据挖掘，可以建立一张以疾病、药品、症状等为节点的知识图谱。
知识图谱的建立不仅可以使机器更好地把握事物间的内在关系，而且可以使其“智能化”，具备对于查询的精准性和效率。
基于知识图谱的信息检索技术在如何快速、准确地找到用户的所需信息上取得了很大的优势。
在基于知识图谱的信息检索技术中，可以对于纯文本文档和结构化数据进行建模分析，在自然语言处理和语义解析上进行处理，使得机器能够准确地理解和分析文本或者数据的意义，并将其转化为符合用户需求的查询结果。
例如，在基于知识图谱建立的酒店查询系统中，机器可以通过对于酒店、地点、价格、房间类型等信息的分析和整理，建立一张酒店信息的知识图谱。
在这张图谱上，机器可以通过对于用户查询的关键字的语义解析，快速准确地返回符合用户需求的酒店结果，同时，也可以将这些结果按照用户需求的不同维度进行展示。
在基于知识图谱的信息检索技术的研究中，还存在着很多技术难点需要攻克。
这些难点包括如何对于不同类型的数据进行建模分析，以及如何打破“语言的壁垒”，使得机器能够准确地理解和分析各种自然语言。
一种基于知识图谱的语义搜索方法及装置[发明专利]
![一种基于知识图谱的语义搜索方法及装置[发明专利]](https://img.taocdn.com/s3/m/016215caaff8941ea76e58fafab069dc502247c9.png)
(19)中华人民共和国国家知识产权局(12)发明专利(10)授权公告号 (45)授权公告日 (21)申请号 201910943703.0(22)申请日 2019.09.30(65)同一申请的已公布的文献号申请公布号 CN 110704743 A(43)申请公布日 2020.01.17(73)专利权人 北京科技大学地址 100083 北京市海淀区学院路30号(72)发明人 宁焕生 刘福超 (74)专利代理机构 北京市广友专利事务所有限责任公司 11237代理人 张仲波(51)Int.Cl.G06F 16/9535(2019.01)G06F 16/36(2019.01)G06F 40/30(2020.01)(56)对比文件CN 106599179 A ,2017.04.26CN 108563710 A ,2018.09.21CN 109710621 A ,2019.05.03CN 106095762 A ,2016.11.09CN 108270785 A ,2018.07.10CN 109522465 A ,2019.03.26CN 110069638 A ,2019.07.30CN 106503035 A ,2017.03.15审查员 刘冰(54)发明名称一种基于知识图谱的语义搜索方法及装置(57)摘要本发明提供一种基于知识图谱的语义搜索方法及装置，能够为用户提供准确地个性化搜索，且能够提高搜索效率和搜索准确度。
所述方法包括：提取用户输入的待查询请求中的关键词，将提取的每一个关键词在本体库中进行概念的匹配，其中，所述待查询请求用于查询养老机构资源；若匹配成功，则执行基于本体的语义扩展；若执行失败，则执行基于知识图谱的语义扩展；根据用户的历史行为，确定基于用户行为的语义相似度；根据确定的基于用户行为的语义相似度及语义扩展结果，预测用户对养老机构资源的评分，将评分高的若干个养老机构资源信息作为推荐列表返回给用户。
基于医疗知识图谱的处方评价方法、系统及计算机设备[发明专利]
![基于医疗知识图谱的处方评价方法、系统及计算机设备[发明专利]](https://img.taocdn.com/s3/m/42342cb9690203d8ce2f0066f5335a8103d26652.png)
(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 201910405122.1(22)申请日 2019.05.16(71)申请人 平安科技（深圳）有限公司地址 518000 广东省深圳市福田区福田街道福安社区益田路5033号平安金融中心23楼(72)发明人 李春宇 朱威 倪渊 谢国彤 (74)专利代理机构 北京英特普罗知识产权代理有限公司 11015代理人 林彦之(51)Int.Cl.G16H 20/10(2018.01)G16H 70/40(2018.01)(54)发明名称基于医疗知识图谱的处方评价方法、系统及计算机设备(57)摘要本发明实施例提供了一种基于医疗知识图谱的处方评价方法，所述方法包括：获取医生开具的电子处方信息，所述电子处方信息包括患者信息和用药信息；从所述电子处方信息中提取N个目标数据；将所述N个目标数据输入到知识表示模型中，得到N*d维词向量矩阵，其中每个目标数据映射为一个d维词向量；将所述N*d维词向量矩阵输入到卷积神经网络模型中，通过所述卷积神经网络模型输出分类向量；根据所述分类向量从多个用药类别中筛选出至少一个目标用药类别；根据所述目标用药类别以及预先配置的医疗知识图谱输出处方点评数据。
本发明实施例处方数据分析准确率高，计算机设备带来较高的运行负担和维护成本。
权利要求书2页 说明书9页 附图2页CN 110223751 A 2019.09.10C N 110223751A1.一种基于医疗知识图谱的处方评价方法，其特征在于，所述方法包括：获取医生开具的电子处方信息，所述电子处方信息包括患者信息和用药信息；从所述电子处方信息中提取N个目标数据；将所述N个目标数据输入到知识表示模型中，得到N*d维词向量矩阵，其中每个目标数据映射为一个d维词向量；将所述N*d维词向量矩阵输入到卷积神经网络模型中，通过所述卷积神经网络模型输出分类向量，所述分类向量包括多个向量参数，每个向量参数用于表示预设多个用药类别中的其中一个用药类别的预测概率；根据所述分类向量从多个用药类别中筛选出至少一个目标用药类别；及根据所述目标用药类别以及预先配置的医疗知识图谱输出处方点评数据。
医学知识图谱构建方法及装置、存储介质和电子设备[发明专利]
![医学知识图谱构建方法及装置、存储介质和电子设备[发明专利]](https://img.taocdn.com/s3/m/18f4bfa0dbef5ef7ba0d4a7302768e9951e76e6a.png)
(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 201910883707.4(22)申请日 2019.09.18(71)申请人 金色熊猫有限公司地址 中国香港铜锣湾希慎道33号利园一期19楼1907室(72)发明人 陈鹏 郑彬丽 陈阳 (74)专利代理机构 隆天知识产权代理有限公司72003代理人 石海霞 章侃铱(51)Int.Cl.G06F 16/36(2019.01)G16H 50/70(2018.01)(54)发明名称医学知识图谱构建方法及装置、存储介质和电子设备(57)摘要本发明公开了一种医学知识图谱构建方法、医学知识图谱构建装置、存储介质和电子设备，涉及计算机技术领域。
该医学知识图谱构建方法涉及的图谱构建过程包括：获取医学资料；从医学资料中提取多个目标医学实体，并确定多个目标医学实体之间的关系；如果当前医学知识图谱构建过程不是首次医学知识图谱构建过程，则将多个目标医学实体和多个目标医学实体之间的关系融合至上一医学知识图谱中，得到当前医学知识图谱的多个候选医学实体以及多个候选医学实体之间的关系；基于当前医学知识图谱的多个候选医学实体以及多个候选医学实体之间的关系，构建当前医学知识图谱。
本公开提高了医学知识图谱构建效率。
权利要求书2页 说明书13页 附图7页CN 110609910 A 2019.12.24C N 110609910A1.一种医学知识图谱构建方法，其特征在于，包括多次迭代的医学知识图谱构建过程，所述医学知识图谱构建过程包括：获取医学资料；从所述医学资料中提取多个目标医学实体，并确定所述多个目标医学实体之间的关系；如果当前医学知识图谱构建过程不是首次医学知识图谱构建过程，则将所述多个目标医学实体和所述多个目标医学实体之间的关系融合至上一医学知识图谱中，得到所述当前医学知识图谱的多个候选医学实体以及所述多个候选医学实体之间的关系；基于所述当前医学知识图谱的多个候选医学实体以及所述多个候选医学实体之间的关系，构建所述当前医学知识图谱。
一种基于知识图谱的电子病历问答方法及系统[发明专利]
![一种基于知识图谱的电子病历问答方法及系统[发明专利]](https://img.taocdn.com/s3/m/1a170b7a777f5acfa1c7aa00b52acfc789eb9f64.png)
(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 202010047420.0(22)申请日 2020.01.16(71)申请人 山东大学地址 250100 山东省济南市历城区山大南路27号(72)发明人 崔立真 柏欣雨 何伟 鹿旭东 郭伟 (74)专利代理机构 济南圣达知识产权代理有限公司 37221代理人 李琳(51)Int.Cl.G06F 16/332(2019.01)G06F 16/36(2019.01)G16H 10/60(2018.01)(54)发明名称一种基于知识图谱的电子病历问答方法及系统(57)摘要本公开公开了一种基于知识图谱的电子病历问答方法及系统，包括构建基于电子病历数据的知识图谱，根据历史问题查询信息，统计关键词的种类和数量，构建提问语句模板；对获取的问句进行基于字的标注和字的嵌入，以问句中每个字的字嵌入向量构成句子表示矩阵，对句子表示矩阵使用双向长短期记忆模型和条件随机场进行序列标注，输出词标注结果和其对应的标签；将词标注结果和其对应的标签与提问语句模板进行匹配，得到SPARQL语句生成模板，将标注的词语和其对应的标签填入SPARQL语句生成模板中，生成SPARQL查询语句；将SPARQL查询语句输入知识图谱中进行查询，得到答案。
可以更好地描述患者和医疗事件之间的关系，可以快速准确地帮助用户查询出所需的电子病历信息。
权利要求书2页 说明书6页 附图2页CN 111274373 A 2020.06.12C N 111274373A1.一种基于知识图谱的电子病历问答方法，其特征在于，包括：构建基于电子病历数据的知识图谱，根据历史问题查询信息，统计关键词的种类和数量，构建提问语句模板；对获取的问句进行基于字的标注和字的嵌入，以问句中每个字的字嵌入向量构成句子表示矩阵，对句子表示矩阵使用双向长短期记忆模型和条件随机场进行序列标注，输出词标注结果和其对应的标签；将词标注结果和其对应的标签与提问语句模板进行匹配，得到SPARQL语句生成模板，将标注的词语和其对应的标签填入SPARQL语句生成模板中，生成SPARQL查询语句；将SPARQL查询语句输入知识图谱中进行查询，得到答案。
基于知识图谱的文献信息检索技术研究
基于知识图谱的文献信息检索技术研究随着信息时代的到来，人们面对的信息量愈加庞大。
在科研领域，文献信息及其重要性更是不容小觑。
如何高效地进行文献信息检索，成为了科研人员必须面对的问题。
传统的文献检索方法需要手动输入关键词来搜索文献，存在以下问题：一、结果匹配不够精准，存在干扰因素在传统的文献检索方法中，结果的生成是基于关键词的匹配，存在着同形异义、异形同义等现象，对文献检索的结果产生一定干扰，不够精准。
二、查询效率较低传统的检索方法查询的结果众多，而且不能够进一步的递推，很难通过结果运用对其他文献进行查询。
为了解决上述问题，学者们开始尝试利用知识图谱技术进行文献信息检索。
知识图谱是一种用于描述现实世界中实体、属性、概念之间关系的图形化结构。
它通过构建实体之间的类、型关系、属性关系、实例之间的关联等等，并把这些信息进行关联，形成一张大图谱，覆盖不同类型的实体及其属性等信息进行建模，为解决实体之间的语义理解提供了重要的帮助。
基于知识图谱技术的文献信息检索，它的特点在于借助知识图谱上的实体间关联关系来解决上述问题。
一、提高精准度利用知识图谱的实体关联性，实现对关键词的语义解析和过滤，避免了同形异义、异形同义现象，提高了结果匹配的精准度。
二、提高查询效率知识图谱技术因为在构建之初就具有扩展性，在自身改善的过程中还可以继续更新，解决了文献检索过程中所遇到的查询效率低的问题。
同时，知识图谱技术还可以融合一些计算机视觉、自然语言处理、机器学习等先进技术来帮助实现高效的检索。
它能够将检索结果与知识图谱上的关系进行递推，这就为研究者开启了全新的研究视角，有效加快科研信息掌握的速度，提高科研质量。
三、知识图谱的构建和使用作为一种现代智能技术，知识图谱早已在搜索引擎、人工智能等领域得到广泛应用。
利用知识图谱的技术进行文献信息检索，要从构建知识图谱和应用知识图谱两个方面来进行讲解。
知识图谱的构建是建立基础，也是保证检索效果的前提。
一种基于知识图谱的医疗查询扩展方法[发明专利]
![一种基于知识图谱的医疗查询扩展方法[发明专利]](https://img.taocdn.com/s3/m/443152d8fbb069dc5022aaea998fcc22bcd143d0.png)
专利名称：一种基于知识图谱的医疗查询扩展方法专利类型：发明专利
发明人：方钰,崔雪,翟鹏珺
申请号：CN202110454713.5
申请日：20210426
公开号：CN113076411B
公开日：
20220603
专利内容由知识产权出版社提供
摘要：一种基于知识图谱的医疗查询扩展方法。
自动问答系统中的查询扩展技术通过向问句中补充扩展信息来减小问答句间的语义差距，从而提高问答系统的准确性。
在医疗问答领域，目前的查询扩展方法没有充分结合不同查询意图下医学术语间的共现关联关系与推理关联关系，因此得到的扩展词不够准确。
本发明以医疗知识图谱为扩展词的知识来源，利用医学术语在不同查询意图下的推理关联得到候选扩展词，并结合否定医学术语识别与互信息技术筛选出最终的扩展词，最终提高了医疗问答系统的准确率。
申请人：同济大学
地址：200092 上海市杨浦区四平路1239号
国籍：CN
代理机构：上海科律专利代理事务所(特殊普通合伙)
代理人：叶凤
更多信息请下载全文后查看。
基于医学知识图谱的目标数据搜索方法及相关设备[发明专利]
![基于医学知识图谱的目标数据搜索方法及相关设备[发明专利]](https://img.taocdn.com/s3/m/a26d26cb2f60ddccdb38a021.png)
专利名称：基于医学知识图谱的目标数据搜索方法及相关设备专利类型：发明专利
发明人：楼立,丁泉勋,李维科,宗晓龙,李福康
申请号：CN202010897833.8
申请日：20200831
公开号：CN112035511A
公开日：
20201204
专利内容由知识产权出版社提供
摘要：本发明涉及大数据技术领域，应用于智慧医疗领域中，提供一种基于医学知识图谱的目标数据搜索方法及相关设备，用于提高对于医生信息的检索准确度。
基于医学知识图谱的目标数据搜索方法包括：对检索信息进行文本分析和命名实体识别得到目标实体；根据目标实体从预置的医学知识图谱中获取对应的目标序列数据，并生成目标序列数据的结构化查询语句；通过结构化查询语句和预置的召回配置信息，对预置数据库中的多个预置医生数据进行召回，得到多个召回医生数据；从多个召回医生数据中获取多个匹配医生数据；按照科室相关度对多个匹配医生数据进行排序得到目标数据。
此外，本发明还涉及区块链技术，医学知识图谱和预置医生数据可存储于区块链节点中。
申请人：康键信息技术(深圳)有限公司
地址：518052 广东省深圳市前海深港合作区前湾一路1号A栋201室(入驻深圳市前海商务秘书有限公司)
国籍：CN
代理机构：北京市京大律师事务所
代理人：姚维
更多信息请下载全文后查看。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 (43)申请公布日 (21)申请号 201910315985.X
(22)申请日 2019.04.19
(71)申请人 平安科技（深圳）有限公司
地址 518000 广东省深圳市福田区福田街
道福安社区益田路5033号平安金融中
心23楼
(72)发明人 顾大中 李春宇 肖劲
(74)专利代理机构 北京英特普罗知识产权代理
有限公司 11015
代理人 林彦之
(51)Int.Cl.
G06F 16/36(2019.01)
G06F 16/33(2019.01)
G06F 16/31(2019.01)
(54)发明名称基于知识图谱的临床试验检索方法、装置、计算机设备及存储介质(57)摘要本发明公开了基于知识图谱的临床试验检索方法、装置、计算机设备及存储介质，可支持中文搜索也可支持英文搜索，对获取的待检索信息进行解析从而获取相应的关键词及逻辑关系式；通过对关键词进行分析基于知识图谱查询拓展获取相应的搜索实体，采用知识图谱的查询方式可获取与关键词相近的相应搜索实体，从而在关键词的基础上扩大了搜索对象的数量，并且提高了搜索的召回率及准确性，并提高了检索的性能；依据逻辑关系式及搜索实体在存储单元中进行搜索获取相应的临床试验数据并生成图表，从
而直观准确的展示搜索结果。
权利要求书2页 说明书8页 附图4页CN 110134796 A 2019.08.16
C N 110134796
A
权 利 要 求 书1/2页CN 110134796 A
1.一种基于知识图谱的临床试验检索方法，其特征在于：提供一知识图谱和一存储单元，所述存储单元用于存储临床试验数据，所述临床试验数据包括多个临床试验信息；所述方法包括下述步骤：
S1.获取待检索信息；
S2.解析所述待检索信息获取至少一个关键词，基于所述至少一个关键词生成逻辑关系式；
S3.对所述至少一个关键词进行分析，基于所述知识图谱查询拓展获取至少一个搜索实体；
S4.根据所述逻辑关系式及所述至少一个搜索实体在所述存储单元中进行搜索获取相应的临床试验数据并生成图表。
2.根据权利要求1所述的基于知识图谱的临床试验检索方法，其特征在于：所述步骤S2中解析所述待检索信息获取至少一个关键词，基于所述至少一个关键词生成逻辑关系式，包括：
S21.将所述待检索信息转换为预设数据格式的待检索数据；
S22.对所述待检索数据进行语义分析获取至少一个关键词；
S23.根据所述待检索数据及所述至少一个关键词生成逻辑关系式。
3.根据权利要求2所述的基于知识图谱的临床试验检索方法，其特征在于：预设数据格式为中文数据格式。
4.根据权利要求1所述的基于知识图谱的临床试验检索方法，其特征在于：所述知识图谱中的每一实体对应一第一标签，统一医学语言系统中的每一实体对应一第二标签，所述知识图谱中实体的第一标签与所述统一医学语言系统中相应实体的第二标签关联；
所述步骤S3中对所述至少一个关键词进行分析基于所述知识图谱查询拓展获取至少一个搜索实体，包括：
S31.将所述至少一个关键词与所述统一医学语言系统中的实体进行匹配，获取与所述至少一个关键词匹配的至少一个目标实体及相应的第二标签；
S32.将所述至少一个目标实体的第二标签映射到所述知识图谱中，查询拓展提取与所述至少一个目标实体的第二标签关联的至少一个第一标签对应的搜索实体。
5.根据权利要求4所述的基于知识图谱的临床试验检索方法，其特征在于：在所述步骤S32中将所述至少一个目标实体的第二标签映射到所述知识图谱中，查询拓展提取与所述至少一个目标实体的第二标签关联的至少一个第一标签对应的搜索实体，包括：S321.将所述至少一个目标实体的第二标签映射到所述知识图谱中，获取与至少一个第二标签关联的至少一个第一标签及相应的目标实体；
S322.基于所述知识图谱中的至少一个目标实体查询拓展获取所述至少一个目标实体的同义词实体和所述至少一个目标实体的下位词实体；
所述搜索实体包括所述目标实体、所述目标实体的同义词实体和所述目标实体的下位词实体。
6.根据权利要求4所述的基于知识图谱的临床试验检索方法，其特征在于：所述存储单元中的每一临床试验信息对应一第三标签，所述知识图谱中实体的第一标签与相应的临床试验信息的第三标签关联；
2。