应用于医学领域的消歧方法、装置、电子设备和介质

摘要

本公开的实施例公开了应用于医学领域的消歧方法、装置、电子设备和介质，涉及医疗知识图谱构建技术领域。该方法的一具体实施方式包括：获取医学知识图谱和待消歧数据；基于上述医学知识图谱，对上述待消歧数据进行消歧处理，得到新的医学知识图谱；将上述新的医学知识图谱存储至目标医学信息平台的数据库。该实施方式实现了对待消歧数据的有效消歧，为医学知识图谱的更新、构建提供了重要帮助。

说明书

技术领域

本公开的实施例涉及医疗知识图谱构建技术领域，具体涉及应用于医学领域的消歧方法、装置、电子设备和介质。

背景技术

随着大数据时代的到来，医疗健康已成为大数据应用的重要领域，医疗数据可应用于疾病的辅助诊断、治疗方案确定、流行病预测、药物副作用分析、医学临床研究等诸多方面，由此医学知识图谱被广泛构建、应用。由于在根据外部数据更新医学知识图谱的过程中，外部数据可能面临与知识图谱内部信息叫法不一致，同义不同名，或者同名不同义，这为医疗知识图谱的构建、更新带来了极大的困难。由此，急需一种高效、准确的实体消歧方法来对医学知识图谱和外部数据进行处理。

发明内容

有鉴于此，本公开实施例提供了一种应用于医学领域的消歧方法、装置、电子设备和介质，以解决现有技术中如何高效的进行医学实体消歧的问题。

本公开实施例的第一方面，提供了一种应用于医学领域的消歧方法，包括：获取医学知识图谱和待消歧数据；基于上述医学知识图谱，对上述待消歧数据进行消歧处理，得到新的医学知识图谱；将上述新的医学知识图谱存储至目标医学信息平台的数据库。

本公开实施例的第二方面，提供了一种应用于医学领域的消歧装置，装置包括：获取单元，被配置成获取医学知识图谱和待消歧数据；消歧单元，被配置成基于上述医学知识图谱，对上述待消歧数据进行消歧处理，得到新的医学知识图谱；存储单元，被配置成将上述新的医学知识图谱存储至目标医学信息平台的数据库。

本公开实施例的第三方面，提供了一种电子设备，包括存储器、处理器以及存储在存储器中并且可以在处理器上运行的计算机程序，该处理器执行计算机程序时实现上述方法的步骤。

本公开实施例的第四方面，提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现上述方法的步骤。

本公开的上述各个实施例中的一个实施例具有如下有益效果：首先，获取医学知识图谱和待消歧数据；然后，基于上述医学知识图谱，对上述待消歧数据进行消歧处理，得到新的医学知识图谱；最后，将上述新的医学知识图谱存储至目标医学信息平台的数据库。本公开提供的方法实现了对待消歧数据的有效消歧，为医学知识图谱的更新、构建提供了重要帮助。

附图说明

结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，元件和元素不一定按照比例绘制。

图1是根据本公开的一些实施例的应用于医学领域的消歧方法的一个应用场景的示意图；

图2是根据本公开的应用于医学领域的消歧方法的一些实施例的流程示意图；

图3是根据本公开的应用于医学领域的消歧装置的一些实施例的结构示意图；

图4是适于用来实现本公开的一些实施例的电子设备的结构示意图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本公开实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本公开。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本公开的描述。

下面将结合附图详细说明根据本公开实施例的一种应用于医学领域的消歧方法、装置、电子设备和介质。

图1是根据本公开的一些实施例的应用于医学领域的消歧方法的一个应用场景的示意图。

在图1的应用场景中，首先，计算设备101可以获取医学知识图谱102和待消歧数据103。然后，基于上述医学知识图谱102，上述计算设备101可以对上述待消歧数据103进行消歧处理，如附图标记104所示，得到新的医学知识图谱105。最后，计算设备101可以将上述新的医学知识图谱105存储至目标医学信息平台的数据库106。

需要说明的是，上述计算设备101可以是硬件，也可以是软件。当计算设备101为硬件时，可以实现成多个服务器或终端设备组成的分布式集群，也可以实现成单个服务器或单个终端设备。当计算设备101体现为软件时，可以安装在上述所列举的硬件设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。

应该理解，图1中的计算设备101的数目仅仅是示意性的。根据实现需要，可以具有任意数目的计算设备101。

图2是根据本公开的应用于医学领域的消歧方法的一些实施例的流程示意图。图2的应用于医学领域的消歧方法可以由图1的计算设备101执行。如图2所示，该应用于医学领域的消歧方法，包括以下步骤：

步骤S201，获取医学知识图谱和待消歧数据。

在一些实施例中，应用于医学领域的消歧方法的执行主体（如图1所示的计算设备101）可以获取医学知识图谱和待消歧数据。这里，医学知识图谱可以是由表示各个医学名词的实体以及各个实体之间的关系所组成的<实体1，关系，实体2>三元组数据结构的集合，知识图谱的三元组集合可以表示为S，S包含一系列三元组(h，l，t)，其中h,t属于实体集，l属于关系集，待消歧数据可以是即将填补至上述医学知识图谱的实体或实体与实体之间的关系的候选数据集。

步骤S202，基于上述医学知识图谱，对上述待消歧数据进行消歧处理，得到新的医学知识图谱。

在一些实施例中，上述执行主体可以将上述医学知识图谱和上述待消歧数据输入至预先训练的实体消歧模型，输出待消歧数据的实体向上述医学知识图谱内的已知实体的映射结果。然后，上述执行主体可以根据上述映射结果对上述待消歧数据中的实体进行映射至上述医学知识图谱，得到新的医学知识图谱。

在一些实施例的一些可选的实现方式中，上述实体消歧模型至少包括：嵌入层、多头注意力机制层、前向计算层、平均池化层、线性层网络和半监督机制网络；其中，上述多头注意力机制层中包括三个用于进行矩阵特征提取的线性层；上述前向计算层中包括两个线性层和激活层。作为示例，激活层采用的激活函数可以是Sigmoid函数。

在一些实施例的一些可选的实现方式中，上述实体消歧模型是将训练样本中的样本医学知识图谱和样本待消歧数据作为输入，将上述训练样本中的样本新医学知识图谱作为期望输出，训练得到的。

在一些实施例的一些可选的实现方式中，上述实体消歧模型的训练样本是基于上述样本知识图谱包含的数据与上述样本待消歧数据生成的。作为示例，上述执行主体可以将上述医学知识图谱与上述待消歧数据中的数据两两组合，标注为正负样本。作为具体示例，两两组合指的是标注数据中原始数据和知识图谱内部标注为对应上的数据组合在一起作为正样本，原始数据和知识图谱内未标注对应上的数据随机选取5个作为负样本，比如原始数据“肝转移””和知识图谱内的“肝癌”标注为能对应的，则这两个数据组合在一起作为正样本，同时知识图谱内其他的数据中随机算去5条和原始数据“肝转移”组合在一起作为负样本。

在一些实施例的一些可选的实现方式中，实体消歧模型的训练包括以下步骤：

第一步，将上述样本知识图谱和上述样本待消歧数据输入至初始模型的嵌入层，生成输入向量矩阵。这里，上述初始模型可以是BERT模型，上述嵌入层可以是对述样本知识图谱和上述样本待消歧数据中的语句进行分词处理，然后对分词处理得到的词语进行词嵌入得到词向量，再将词向量进行拼接，得到每个语句的向量，从而得到输入向量矩阵，这里的向量维度为768维。词嵌入是自然语言处理（Natural Language Processing，NLP）中语言模型与表征学习技术的统称。概念上而言，它是指把一个维数为所有词的数量的高维空间嵌入到一个维数低得多的连续向量空间中，每个单词或词组被映射为实数域上的向量。具体地，词向量（word vector）可以是单词或短语通过词嵌入方法被映射到实数的向量。从概念上讲，它涉及从每个单词一维的空间到具有更低维度的连续向量空间的数学嵌入。

第二步，将上述输入向量矩阵输入至上述初始模型的多头注意力机制层，生成带有注意力信息的输入向量矩阵，这里的输入向量矩阵的向量维度为768维。

第三步，将上述带有注意力信息的输入向量矩阵输入至上述初始模型的前向计算层，输出经过激活的输入向量矩阵，这里的输入向量矩阵的向量维度为768维。

第四步，将上述经过激活的输入向量矩阵输入至上述初始模型的平均池化层，得到上述样本知识图谱的语句向量、上述样本待消歧数据的语句向量和用于表征语句关系的关系向量。

第五步，将上述样本知识图谱的语句向量、上述样本待消歧数据的语句向量和上述关系向量进行拼接，得到拼接向量。

第六步，将上述拼接向量输入至上述初始模型的线性层网络，得到输出结果。

第七步，对上述输出结果进行归一化，得到用于表征上述样本知识图谱的语句向量和上述样本待消歧数据的语句向量之间相似度的分数。这里，采用的归一化方法是利用Softmax函数方法，归一化方法可以用于把数据转变为（0,1）之间的小数。

第八步，响应于确定上述分数大于或等于预设阈值，将上述样本待消歧数据填补至上述样本医学知识图谱，输出新的样本医学知识图谱。作为示例，这里的填补可以是根据上述关系向量表达的信息将待消歧数据的语句填补至信息表征的医学知识图谱的位置。

第九步，基于上述样本新医学知识图谱和上述新的样本医学知识图谱，确定训练是否完成。作为示例，上述执行主体可以确定上述样本新医学知识图谱和上述新的样本医学知识图谱是否一致，若一致上述执行主体可以确定训练完成，可以进行下一次训练，若不一致上述执行主体可以确定训练未完成。

第十步，响应于确定上述初始模型训练完成，将上述初始模型确定为上述实体消歧模型。

在一些实施例的一些可选的实现方式中，上述方法还包括：响应于确定上述分数小于上述预设阈值，将上述样本待消歧数据传输以及显示至审核页面；接收针对上述审核页面输入的审核结果；基于上述审核结果，确定是否将上述样本待消歧数据填补至上述样本医学知识图谱。这里，上述审核结果为其中一项：确认填补，确认不填补。

在一些实施例的一些可选的实现方式中，上述方法还包括：响应于确定上述初始模型训练未完成，调整上述初始模型中的相关参数，以及重新选取训练样本，使用调整后的初始模型作为初始模型，继续执行上述训练步骤。这里，相关参数的调整有助于模型的训练，使用调整后的初始模型作为初始模型起到了迭代更新的作用。

在一些实施例的一些可选的实现方式中，上述将上述医学知识图谱和是待消歧数据输入至预先训练的实体消歧模型，输出上述待消歧数据向上述医学知识图谱内的实体的映射结果，具体包括：在使用上述半监督机制网络完成实体消歧模型训练后，将医学知识图谱内容的实体数据利用已训练好的模型表示成为512维度的向量表示，将医学知识图谱内所有实体数据的512维度的表示向量存储与JSON文件中，JSON文件内存储的向量维度为[k，512]，其中k表征医学知识图谱内实体的数量，512表征向量维度。之后，在新一次的待消歧数据的消歧过程中，只需要将待消歧数据经过初始模型的嵌入层得到一个n维的表示向量a，之后再加载之前已经保存的JSON文件，获取到医学知识图谱内部的所有实体数据的向量矩阵b，之后用待消歧数据对应的表示向量a与向量矩阵b进行矩阵计算，计算公式为：

得到

其中，d表征待消歧数据与医学知识图谱内实体数据的相似度。最后，选择相似度超过预设阈值的待消歧数据与医学知识图谱内的映射实体数据作为结果。通过上述先保存医学知识图谱中的实体数据的表示向量，再将待消歧数据的表示向量与上述医学知识图谱中的实体数据的表示向量进行矩阵计算的方式，获取结果（最终映射实体数据）只需要进行一次矩阵计算，相对于传统方法可以大幅减小耗时，提升消歧速度。

步骤S203，将上述新的医学知识图谱存储至目标医学信息平台的数据库。

在一些实施例中，上述执行主体可以将上述新的医学知识图谱存储至上述目标医学信息平台的数据库。这里，上述目标医学信息平台可以是用于存储、展示医学知识图谱以及其他医学领域信息的平台。

本公开的上述各个实施例中的一个实施例具有如下有益效果：首先，获取医学知识图谱和待消歧数据；然后，基于上述医学知识图谱，对上述待消歧数据进行消歧处理，得到新的医学知识图谱；最后，将上述新的医学知识图谱存储至目标医学信息平台的数据库。本公开提供的方法实现了对待消歧数据的有效消歧，为医学知识图谱的更新、构建提供了重要帮助。另外，在训练实体消歧模型的过程中采用了半监督机制网络，可以在训练完成后根据预测结果（相似度确认、预设阈值判断）进一步判断，对于低于预设阈值的待消歧数据进行传输以及显示至审核页面，接收人工审核的审核结果后继续训练，反复迭代更新，提高了模型泛化性和准确性。

上述所有可选技术方案，可以采用任意结合形成本申请的可选实施例，在此不再一一赘述。

下述为本公开装置实施例，可以用于执行本公开方法实施例。对于本公开装置实施例中未披露的细节，请参照本公开方法实施例。

图3是根据本公开的应用于医学领域的消歧装置的一些实施例的结构示意图。如图3所示，该应用于医学领域的消歧装置包括：获取单元301、消歧单元302和存储单元303。其中，获取单元301，被配置成获取医学知识图谱和待消歧数据；消歧单元302，被配置成基于上述医学知识图谱，对上述待消歧数据进行消歧处理，得到新的医学知识图谱；存储单元303，被配置成将上述新的医学知识图谱存储至目标医学信息平台的数据库。

在一些实施例的一些可选的实现方式中，应用于医学领域的消歧装置的消歧单元302被进一步配置成：将上述医学知识图谱和上述待消歧数据输入至预先训练的实体消歧模型，输出上述待消歧数据向上述医学知识图谱内的实体的映射结果；基于上述映射结果，生成新的医学知识图谱。

在一些实施例的一些可选的实现方式中，上述实体消歧模型至少包括：嵌入层、多头注意力机制层、前向计算层、平均池化层、线性层网络和半监督机制网络；其中，上述多头注意力机制层中包括三个用于进行矩阵特征提取的线性层；上述前向计算层中包括两个线性层和激活层。

在一些实施例的一些可选的实现方式中，上述实体消歧模型是将训练样本中的样本医学知识图谱和样本待消歧数据作为输入，将上述训练样本中的样本新医学知识图谱作为期望输出，训练得到的。

在一些实施例的一些可选的实现方式中，上述实体消歧模型的训练样本是基于上述样本知识图谱包含的数据与上述样本待消歧数据生成的，实体消歧模型的训练包括以下步骤：将上述样本知识图谱和上述样本待消歧数据输入至初始模型的嵌入层，生成输入向量矩阵；将上述输入向量矩阵输入至上述初始模型的多头注意力机制层，生成带有注意力信息的输入向量矩阵；将上述带有注意力信息的输入向量矩阵输入至上述初始模型的前向计算层，输出经过激活的输入向量矩阵；将上述经过激活的输入向量矩阵输入至上述初始模型的平均池化层，得到上述样本知识图谱的语句向量、上述样本待消歧数据的语句向量和用于表征语句关系的关系向量；将上述样本知识图谱的语句向量、上述样本待消歧数据的语句向量和上述关系向量进行拼接，得到拼接向量；将上述拼接向量输入至上述初始模型的线性层网络，得到输出结果；对上述输出结果进行归一化，得到用于表征上述样本知识图谱的语句向量和上述样本待消歧数据的语句向量之间相似度的分数；响应于确定上述分数大于或等于预设阈值，将上述样本待消歧数据填补至上述样本医学知识图谱，输出新的样本医学知识图谱；基于上述样本新医学知识图谱和上述新的样本医学知识图谱，确定训练是否完成；响应于确定上述初始模型训练完成，将上述初始模型确定为上述实体消歧模型。

在一些实施例的一些可选的实现方式中，响应于确定上述分数大于或等于预设阈值，将上述样本待消歧数据填补至上述样本医学知识图谱，输出新的样本医学知识图谱之后，上述方法还包括：响应于确定上述分数小于上述预设阈值，将上述样本待消歧数据传输以及显示至审核页面；接收针对上述审核页面输入的审核结果；基于上述审核结果，确定是否将上述样本待消歧数据填补至上述样本医学知识图谱。

在一些实施例的一些可选的实现方式中，应用于医学领域的消歧装置被进一步配置成：响应于确定上述初始模型训练未完成，调整上述初始模型中的相关参数，以及重新选取训练样本，使用调整后的初始模型作为初始模型，继续执行上述训练步骤。

在一些实施例的一些可选的实现方式中，上述将上述医学知识图谱和上述待消歧数据输入至预先训练的实体消歧模型，输出上述待消歧数据向上述医学知识图谱内的实体的映射结果，包括：生成上述医学知识图谱内的至少一个实体的表示向量，得到表示向量集合；将上述表示向量集合存储至目标文件；将上述待消歧数据输入至上述实体消歧模型中的嵌入层，得到上述待消歧数据的表示向量；加载上述目标文件，得到上述医学知识图谱内的实体的表示向量矩阵；对于上述待消歧数据的表示向量和上述表示向量矩阵进行矩阵计算，得到计算结果；对上述计算结果进行归一化处理，得到用于表征上述待消歧数据与上述医学知识图谱内的实体的相似度分数；响应于确定上述相似度分数超过预设分数阈值，输出上述待消歧数据向上述医学知识图谱内的实体的映射结果。

可以理解的是，该装置中记载的诸单元与参考图2描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置及其中包含的单元，在此不再赘述。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本公开实施例的实施过程构成任何限定。

图4是本公开实施例提供的计算机设备4的示意图。如图4所示，该实施例的计算机设备4包括：处理器401、存储器402以及存储在该存储器402中并且可以在处理器401上运行的计算机程序403。处理器401执行计算机程序403时实现上述各个方法实施例中的步骤。或者，处理器401执行计算机程序403时实现上述各装置实施例中各模块/单元的功能。

示例性地，计算机程序403可以被分割成一个或多个模块/单元，一个或多个模块/单元被存储在存储器402中，并由处理器401执行，以完成本公开。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序403在计算机设备4中的执行过程。

计算机设备4可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算机设备。计算机设备4可以包括但不仅限于处理器401和存储器402。本领域技术人员可以理解，图4仅仅是计算机设备4的示例，并不构成对计算机设备4的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如，计算机设备还可以包括输入输出设备、网络接入设备、总线等。

处理器401可以是中央处理单元（Central Processing Unit，CPU），也可以是其它通用处理器、数字信号处理器（Digital Signal Processor，DSP）、专用集成电路（Application Specific Integrated Circuit，ASIC）、现场可编程门阵列（Field-Programmable Gate Array，FPGA）或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

存储器402可以是计算机设备4的内部存储单元，例如，计算机设备4的硬盘或内存。存储器402也可以是计算机设备4的外部存储设备，例如，计算机设备4上配备的插接式硬盘，智能存储卡（Smart Media Card，SMC），安全数字（Secure Digital，SD）卡，闪存卡（Flash Card）等。进一步地，存储器402还可以既包括计算机设备4的内部存储单元也包括外部存储设备。存储器402用于存储计算机程序以及计算机设备所需的其它程序和数据。存储器402还可以用于暂时地存储已经输出或者将要输出的数据。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本公开的范围。

在本公开所提供的实施例中，应该理解到，所揭露的装置/计算机设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/计算机设备实施例仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。

作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本公开各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。基于这样的理解，本公开实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，计算机程序可以存储在计算机可读存储介质中，该计算机程序在被处理器执行时，可以实现上述各个方法实施例的步骤。计算机程序可以包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（Read-Only Memory，ROM）、随机存取存储器（Random Access Memory，RAM）、电载波信号、电信信号以及软件分发介质等。需要说明的是，计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如，在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。

以上实施例仅用以说明本公开的技术方案，而非对其限制；尽管参照前述实施例对本公开进行了详细的说明，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公开各实施例技术方案的精神和范围，均应包含在本公开的保护范围之内。