医疗知识图谱构建与应用

发布时间：2022-05-02 23:06

　　近几年,互联网相关技术飞速发展,人们的生活方式也在随着技术的发展而改变着。医疗健康问题始终是人们生活中最关心的问题之一,自然而然,互联网上关于医疗健康方面的网站越来越多,医疗信息也越来越丰富。另一方面,随着电子设备的发展,很多医院记录患者信息的方式也从传统的纸质病历,更新为用计算机系统来存储电子病历。各式各样的信息显得繁多复杂,人们想从长篇大论的医疗信息中获取自己真正需要的信息反而变得困难。知识图谱的提出为知识的管理形式提供了一种优秀的解决方案。医疗领域知识专业又复杂,如果能够用知识图谱的形式将医疗领域信息组织起来,这对于医疗知识的进一步应用是有极大帮助的。医疗领域知识图谱的构建是人们迫切想要解决的问题,然而医疗领域知识的专业性为知识图谱的构建带来了很多不便。首先,包含医疗专业知识的标注数据并不多,没有足够的数据可供直接利用,包含医疗专业知识的未标注数据较多,但又没有充分利用起来;其次,医疗领域中某些词语在医学概念上的含义与通用领域不同,直接将通用领域迁移到医疗领域效果并不好;另外,大多知识图谱相关研究侧重于实体与实体之间的关系,然而对于医疗来说,医疗属性的属性值在分析病情时有着重要的... 

【文章页数】：68 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 本文的研究背景和意义
    1.2 国内外研究现状
        1.2.1 知识图谱的研究进展
        1.2.2 知识图谱已投入使用的产品
        1.2.3 自然语言处理领域相关研究
        1.2.4 研究现状分析
    1.3 研究内容及章节安排
第2章 医疗知识图谱构建方法研究
    2.1 引言
    2.2 知识图谱构建方法研究
        2.2.1 知识图谱
        2.2.2 知识图谱的构建流程
    2.3 医疗知识图谱的领域性研究
    2.4 医疗知识图谱存储策略研究
        2.4.1 知识图谱与资源描述框架
        2.4.2 知识图谱与数据库
        2.4.3 医疗知识图谱存储策略研究
    2.5 本章小结
第3章 医疗知识图谱元数据抽取方法研究
    3.1 引言
    3.2 非结构化医疗数据知识元数据抽取方法研究
        3.2.1 非结构化医疗数据知识元数据抽取流程
        3.2.2 基于Bootstrapping算法扩展词表
        3.2.3 基于条件随机场模型的命名实体识别
        3.2.4 医疗知识图谱构建工程细节研究
        3.2.5 基于特征工程方法的属性识别
    3.3 医疗知识图谱元数据抽取实验及实验结果分析
        3.3.1 实验数据
        3.3.2 医疗领域实体词表构建扩充
        3.3.3 医疗知识图谱元数据抽取结果
    3.4 本章小结
第4章 知识图谱扩展与融合方法研究
    4.1 引言
    4.2 词向量模型
        4.2.1 词的向量化表示
        4.2.2 词向量的训练
        4.2.3 word2vector模型
    4.3 医疗知识图谱元数据扩展抽取方法研究
        4.3.1 基于特征工程方法的扩展抽取方法研究
        4.3.2 基于同义词词库的扩展抽取方法研究
        4.3.3 基于医疗领域词向量的扩展抽取方法研究
    4.4 知识图谱数据融合方法研究
    4.5 实验及实验结果分析
    4.6 本章小结
第5章 医疗知识图谱的初步应用
    5.1 引言
    5.2 医疗知识图谱搜索查询方法研究
        5.2.1 知识图谱的搜索任务介绍
        5.2.2 SPARQL语言
        5.2.3 基于SPARQL语言的搜索工具
    5.3 知识图谱构建工具研究
    5.4 本章小结
结论
参考文献
攻读硕士学位期间发表的论文
致谢



本文编号：3650138