基于知识图谱的自动问答系统的应用研究与实现

发布时间：2022-07-22 16:38

　　自动问答系统逐渐成为人与机器进行自然交互的新趋势,而基于知识图谱的自动问答系统是以知识图谱作为答案来源的问答系统。知识图谱使得数据更好地以接近人类认知的形式被组织和理解,能够在精准化问答服务中起到关键作用。由于医疗健康领域的服务建设仍不完善,我国推出智慧医疗建设的政策。基于国家卫健委科研所智慧医疗服务的项目需求,本文选定医疗垂直领域的问答应用来切入研究。但是,当前中文领域缺乏公开的临床医疗知识图谱,如何构建高质量的医疗领域知识图谱存在着困难。知识库问答系统需要较强的自然问句理解能力,而医疗领域缺乏知识库问答训练语料,基于深度学习的问答任务在实践上充满挑战。针对以上的问题,本文围绕临床医疗领域提出了知识图谱构建与知识图谱自动问答系统的解决方案,并完成了医疗辅助问诊服务平台的设计与实现。研究内容主要包含以下三个方面:（1）研究如何构建临床医疗领域知识图谱,主要包括知识抽取、知识融合和知识存储三部分。其中,采用基于Bi-LSTM-CRF和Jointly标注策略的实体关系抽取模型实现知识的自动抽取,采用基于医疗实体局部关系属性相似的实体对齐方法实现知识的融合,采用Neo4j和MongoDB混合... 

【文章页数】：77 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状
        1.2.1 领域知识图谱构建研究现状
        1.2.2 医疗领域问答系统应用研究现状
        1.2.3 研究现状总结
    1.3 论文主体研究内容与目标
    1.4 硕士在读期间主要完成工作
    1.5 论文组织结构
第二章 关键技术相关理论知识综述
    2.1 实体识别与实体关系抽取任务
        2.1.1 命名实体识别
        2.1.2 实体关系抽取
    2.2 实体对齐
    2.3 基于语义解析的知识库问答
第三章 面向临床医疗领域的知识图谱构建方法与实现
    3.1 知识图谱构建的挑战分析与整体方案设计
    3.2 临床医疗知识抽取
        3.2.1 挑战分析与方案设计
        3.2.2 基于规则包装的人工抽取器
        3.2.3 基于Bi-LSTM-CRF的联合学习模型的自动抽取器
    3.3 临床医疗知识融合
        3.3.1 挑战分析与方案设计
        3.3.2 医疗同义实体库构建
        3.3.3 多知识库融合
    3.4 临床医疗知识混合存储
        3.4.1 基于Neo4j的关系类知识存储
        3.4.2 基于MongoDB的属性类知识存储
    3.5 实验评估与分析
        3.5.1 实体与关系联合抽取实验与分析
        3.5.2 实体对齐实验与分析
        3.5.3 临床医疗领域知识图谱规模分析
    3.6 本章小结
第四章 基于临床医疗知识图谱的自动问答方法与系统实现
    4.1 医疗知识图谱问答系统挑战与整体方案设计
    4.2 基于数据冷启动与自动标注的语料生成器
    4.3 基于实体识别与关系映射的问句语义解析
        4.3.1 基于字-词网格LSTM-CRF的NER模型
        4.3.2 基于字-词编码的CNN关系分类模型
    4.4 知识库答案检索
        4.4.1 术语归一化
        4.4.2 分流与查询逻辑转化
    4.5 实验评估与分析
        4.5.1 问句实体识别实验与分析
        4.5.2 问句关系/属性映射实验与分析
        4.5.3 问题类型支持度评估
    4.6 本章小结
第五章 医疗智能辅助问诊服务平台的设计与实现
    5.1 需求分析
        5.1.1 系统业务需求
        5.1.2 系统功能需求
    5.2 系统设计与实现
        5.2.1 系统总体架构设计与实现
        5.2.2 系统功能流程设计与实现
        5.2.3 技术架构设计与实现
    5.3 平台系统测试
        5.3.1 知识库问诊助手
        5.3.2 图谱关系可视化
        5.3.3 WeChat医疗助手
        5.3.4 平台服务整合测试
    5.4 本章小结
第六章 总结与展望
    6.1 论文工作总结
        6.1.1 研究背景与已完成研究工作
        6.1.2 研究成果与论文创新点
    6.2 未来工作展望
参考文献
致谢
攻读学位期间取得的研究成果


【参考文献】：
期刊论文
[1]基于LSTM-SPA的医学领域问答技术研究[J]. 毕铭文,左敏,张青川.  山东工业技术. 2019(01)
[2]融合多种特征的实体对齐算法[J]. 乔晶晶,段利国,李爱萍.  计算机工程与设计. 2018(11)
[3]表示学习知识图谱的实体对齐算法[J]. 朱继召,乔建忠,林树宽.  东北大学学报(自然科学版). 2018(11)
[4]基于专家生成内容的领域知识图谱构建[J]. 李保珍,苏菁.  情报科学. 2018(10)
[5]基于图计算和知识图谱的疾病辅助诊别研究[J]. 李苗苗,邢凯,张利萍,钟春琳,龚海华.  电子技术. 2018(09)
[6]基于甲状腺知识图谱的自动问答系统的设计与实现[J]. 马晨浩.  智能计算机与应用. 2018(03)
[7]基于自然语言处理的医疗健康问答系统[J]. 颜昕.  通讯世界. 2018(06)
[8]人工智能在医学诊断知识图谱构建中的应用研究[J]. 聂莉莉,李传富,许晓倩,朱川川,徐志鹏,武红利.  医学信息学杂志. 2018(06)
[9]医学百科知识图谱构建[J]. 刘燕,傅智杰,李姣,侯丽.  中华医学图书情报杂志. 2018(06)
[10]基于实体对齐的知识图谱构建研究[J]. 贾丙静,马润.  佳木斯大学学报(自然科学版). 2018(03)

硕士论文
[1]面向医疗领域的实体对齐研究[D]. 宋文欣.哈尔滨工业大学 2018
[2]医疗知识图谱构建与应用[D]. 张元博.哈尔滨工业大学 2018
[3]基于医学知识图谱的疾病智能诊断研究[D]. 刘路.湖南大学 2018
[4]智能疾病导诊及医疗问答方法研究与应用[D]. 李超.大连理工大学 2016



本文编号：3664965