CN110059196A - 一种医学健康领域知识图谱的关系抽取方法及系统 - Google Patents
一种医学健康领域知识图谱的关系抽取方法及系统 Download PDFInfo
- Publication number
- CN110059196A CN110059196A CN201910293359.5A CN201910293359A CN110059196A CN 110059196 A CN110059196 A CN 110059196A CN 201910293359 A CN201910293359 A CN 201910293359A CN 110059196 A CN110059196 A CN 110059196A
- Authority
- CN
- China
- Prior art keywords
- module
- knowledge
- entity
- main control
- health
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000036541 health Effects 0.000 title claims abstract description 72
- 238000000605 extraction Methods 0.000 title claims abstract description 20
- 238000013507 mapping Methods 0.000 claims abstract description 34
- 238000004458 analytical method Methods 0.000 claims abstract description 30
- 238000010276 construction Methods 0.000 claims abstract description 18
- 230000010354 integration Effects 0.000 claims abstract description 14
- 238000012512 characterization method Methods 0.000 claims abstract description 8
- 238000000034 method Methods 0.000 claims description 24
- 238000012549 training Methods 0.000 claims description 22
- 230000000007 visual effect Effects 0.000 claims description 6
- 238000009412 basement excavation Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 claims description 4
- 230000008901 benefit Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000013145 classification model Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 235000015170 shellfish Nutrition 0.000 description 2
- 238000013398 bayesian method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010225 co-occurrence analysis Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- 238000007794 visualization technique Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/31—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3346—Query execution using probabilistic model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H70/00—ICT specially adapted for the handling or processing of medical references
- G16H70/20—ICT specially adapted for the handling or processing of medical references relating to practices or guidelines
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Computational Linguistics (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioethics (AREA)
- Animal Behavior & Ethology (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明属于知识图谱技术领域,公开了一种医学健康领域知识图谱的关系抽取方法及系统,所述医学健康领域知识图谱的关系抽取系统包括:知识资源采集模块、检索模块、主控模块、挖掘模块、分析模块、关联模块、整合构建模块、绘制模块、更新模块、显示模块。本发明通过检索模块可以更加准确地理解用户的查询意图,提高检索的准确率,普通用户在知识图谱检索过程中也更加便捷;同时,通过更新模块建立知识图谱中的、表征相似视频或同类视频的实体的上级实体,实现对知识图谱中的实体的聚类,有助于提高知识图谱中的实体之间的关联性,以及有助于提高利用知识图谱搜索的全面性。
Description
技术领域
本发明属于知识图谱技术领域,尤其涉及一种医学健康领域知识图谱的关系抽取方法及系统。
背景技术
知识图谱(Knowledge Graph)又称为科学知识图谱,在图书情报界称为知识域可视化或知识领域映射地图,是显示知识发展进程与结构关系的一系列各种不同的图形,用可视化技术描述知识资源及其载体,挖掘、分析、构建、绘制和显示知识及它们之间的相互联系。通过将应用数学、图形学、信息可视化技术、信息科学等学科的理论与方法与计量学引文分析、共现分析等方法结合,并利用可视化的图谱形象地展示学科的核心结构、发展历史、前沿领域以及整体知识架构达到多学科融合目的的现代理论。然而,现有医学健康领域知识图谱不能采用自然语言查询问句直接进行知识图谱检索,需要根据查询需要构造查询模式图,再进行信息检索,给知识图谱检索带来很大的不便;同时,知识图谱更新效果差,关联性差。
综上所述,现有技术存在的问题是:现有医学健康领域知识图谱不能采用自然语言查询问句直接进行知识图谱检索,需要根据查询需要构造查询模式图,再进行信息检索,给知识图谱检索带来很大的不便;同时,知识图谱更新效果差,关联性差。
发明内容
针对现有技术存在的问题,本发明提供了一种医学健康领域知识图谱的关系抽取方法及系统。
本发明是这样实现的,一种医学健康领域知识图谱的关系抽取系统包括:
知识资源采集模块、检索模块、主控模块、挖掘模块、分析模块、关联模块、整合构建模块、绘制模块、更新模块、显示模块;
知识资源采集模块,与主控模块连接,用于通过数据采集设备采集医学健康领域知识资源数据;
检索模块,与主控模块连接,用于通过检索程序检索目标健康知识资源;
主控模块,与知识资源采集模块、检索模块、挖掘模块、分析模块、关联模块、整合构建模块、绘制模块、更新模块、显示模块连接,用于通过单片机控制各个模块正常工作;
挖掘模块,与主控模块连接,用于通过挖掘程序对检索的健康知识进行挖掘操作;
分析模块,与主控模块连接,用于通过分析程序分析健康知识含义、类别;
关联模块,与主控模块连接,用于通过关联程序根据分析结果进行关联操作;
整合构建模块,与主控模块连接,用于通过构建程序构建知识关联模型;
绘制模块,与主控模块连接,用于通过绘制程序根据关联模型绘制出可视化的关联图谱;
更新模块,与主控模块连接,用于通过更新程序对健康知识图谱进行更新操作;
显示模块,与主控模块连接,用于通过显示器显示医学健康领域知识图谱。
一种医学健康领域知识图谱的关系抽取方法包括以下步骤:
步骤一,通过知识资源采集模块利用数据采集设备采集医学健康领域知识资源数据;通过检索模块利用检索程序检索目标健康知识资源;
步骤二,主控模块通过挖掘模块利用挖掘程序对检索的健康知识进行挖掘操作;
步骤三,通过分析模块利用分析程序分析健康知识含义、类别;通过关联模块利用关联程序根据分析结果进行关联操作;
步骤四,通过整合构建模块利用构建程序构建知识关联模型;通过绘制模块利用绘制程序根据关联模型绘制出可视化的关联图谱;
步骤五,通过更新模块利用更新程序对健康知识图谱进行更新操作;
步骤六,通过显示模块利用显示器显示医学健康领域知识图谱。
进一步,所述检索模块检索方法如下:
(1)根据查询日志选取训练样本,对训练样本进行处理,建立查询问句与查询结构图之间的对应关系,根据所述对应关系训练得到语义识别模型,构建贝叶斯分类器;
(2)通过语义识别模型及贝叶斯分类器将用户输入的自然语言查询问句映射到最大概率的查询结构图上,并将所述查询结构图作为查询模式图进行知识图谱检索。
进一步,所述步骤(1)中,包括:
A、命名实体识别并实体标注所述训练样本中的查询问句,得到实体标签,根据所述实体标签挖掘对应的查询结构图,采用查询结构图对应的ID标注所述查询问句,得到实体标签对应的查询结构图标签;
B、语义标注所述步骤A中完成实体标注的查询问句,将查询问句的实体标签转换成对应的语义标签,建立语义标签和查询结构图标签之间的对应关系;
C、将包含语义标签的查询问句作为训练数据,采用训练工具进行训练,得到语义识别模型;
D、将包含语义标签和查询结构图标签的查询问句作为训练数据进行训练,得到贝叶斯分类器模型参数,构建贝叶斯分类器。
进一步,所述更新模块更新方法如下:
1)获取目标关键词;
2)从预先建立的知识图谱包括的表征健康知识的实体中,确定至少一个对应的属性信息与所述目标关键词相匹配的实体作为匹配实体;
3)建立所确定的至少一个匹配实体的上级实体,以及基于匹配实体的属性信息,生成所述上级实体的属性信息;
4)将所述上级实体和所述上级实体的属性信息加入所述知识图谱中。
进一步,所述目标关键词的数量为至少一个,用于表征健康知识的实体的属性信息包括用于描述视频的至少一个关键词;
所述从预先建立的知识图谱包括的表征健康知识的实体中,确定至少一个对应的属性信息与所述目标关键词相匹配的实体作为匹配实体,包括:
计算所获取的至少一个目标关键词与用于表征健康知识的实体对应的至少一个关键词之间的相似度,将大于等于预设的相似度阈值的相似度对应的实体确定为匹配实体。
本发明的优点及积极效果为:本发明通过检索模块根据查询问句对应的查询结构图的ID标注查询问句,建立查询问句与查询结构图的对应关系,此外,对查询问句进行语义标注,并据此训练出语义识别模型,同时,建立起查询结构图和语义标签的对应关系,再利用朴素贝叶斯方法训练贝叶斯分类模型参数,构建贝叶斯分类模型,当输入自然语言查询问句进行信息检索时,语义识别模型将查询问句转换成对应的语义标签序列,通过贝叶斯分类模型计算查询问句映射到对应的每类查询结构图的概率,选取最大概率值的查询结构图作为查询模式图,进行知识图谱检索;可以更加准确地理解用户的查询意图,提高检索的准确率,普通用户在知识图谱检索过程中也更加便捷;同时,通过更新模块建立知识图谱中的、表征相似视频或同类视频的实体的上级实体,实现对知识图谱中的实体的聚类,有助于提高知识图谱中的实体之间的关联性,以及有助于提高利用知识图谱搜索的全面性。
附图说明
图1是本发明实施例提供的医学健康领域知识图谱的关系抽取方法流程图。
图2是本发明实施例提供的医学健康领域知识图谱的关系抽取系统结构框图。
图3是本发明实施例提供的关联模块结构框图。
图2中:1、知识资源采集模块;2、检索模块;3、主控模块;4、挖掘模块;5、分析模块;6、关联模块;7、整合构建模块;8、绘制模块;9、更新模块;10、显示模块。
图3中:11、接收模块;12、关联程度计算模块;13、关联操作模块。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效,兹例举以下实施例,并配合附图详细说明如下。
下面结合附图对本发明的结构作详细的描述。
如图1所示,本发明提供的医学健康领域知识图谱的关系抽取方法包括以下步骤:
步骤S101,通过知识资源采集模块利用数据采集设备采集医学健康领域知识资源数据;通过检索模块利用检索程序检索目标健康知识资源;
步骤S102,主控模块通过挖掘模块利用挖掘程序对检索的健康知识进行挖掘操作;
步骤S103,通过分析模块利用分析程序分析健康知识含义、类别;通过关联模块利用关联程序根据分析结果进行关联操作;
步骤S104,通过整合构建模块利用构建程序构建知识关联模型;通过绘制模块利用绘制程序根据关联模型绘制出可视化的关联图谱;
步骤S105,通过更新模块利用更新程序对健康知识图谱进行更新操作;
步骤S106,通过显示模块利用显示器显示医学健康领域知识图谱。
如图2所示,本发明实施例提供的医学健康领域知识图谱的关系抽取系统包括:知识资源采集模块1、检索模块2、主控模块3、挖掘模块4、分析模块5、关联模块6、整合构建模块7、绘制模块8、更新模块9、显示模块10。
知识资源采集模块1,与主控模块3连接,用于通过数据采集设备采集医学健康领域知识资源数据;
检索模块2,与主控模块3连接,用于通过检索程序检索目标健康知识资源;
主控模块3,与知识资源采集模块1、检索模块2、挖掘模块4、分析模块5、关联模块6、整合构建模块7、绘制模块8、更新模块9、显示模块10连接,用于通过单片机控制各个模块正常工作;
挖掘模块4,与主控模块3连接,用于通过挖掘程序对检索的健康知识进行挖掘操作;
分析模块5,与主控模块3连接,用于通过分析程序分析健康知识含义、类别;
关联模块6,与主控模块3连接,用于通过关联程序根据分析结果进行关联操作;
整合构建模块7,与主控模块3连接,用于通过构建程序构建知识关联模型;
绘制模块8,与主控模块3连接,用于通过绘制程序根据关联模型绘制出可视化的关联图谱;
更新模块9,与主控模块3连接,用于通过更新程序对健康知识图谱进行更新操作;
显示模块10,与主控模块3连接,用于通过显示器显示医学健康领域知识图谱。
如图3所示,本发明实施例提供的关联模块6包括:接收模块11、关联程度计算模块12、关联操作模块13。
接收模块11,用于接收分析模块5的健康知识含义、类别分析等分析结果;
关联程度计算模块,通过关联程序对知识资源数据根据健康知识的含义、类别进行关联程度计算;
关联操作模块,按关联程度计算结果对知识资源数据进行关联操作。
本发明提供的检索模块2检索方法如下:
(1)根据查询日志选取训练样本,对训练样本进行处理,建立查询问句与查询结构图之间的对应关系,根据所述对应关系训练得到语义识别模型,构建贝叶斯分类器;
(2)通过语义识别模型及贝叶斯分类器将用户输入的自然语言查询问句映射到最大概率的查询结构图上,并将所述查询结构图作为查询模式图进行知识图谱检索。
本发明提供的步骤(1)中,包括:
A、命名实体识别并实体标注所述训练样本中的查询问句,得到实体标签,根据所述实体标签挖掘对应的查询结构图,采用查询结构图对应的ID标注所述查询问句,得到实体标签对应的查询结构图标签;
B、语义标注所述步骤A中完成实体标注的查询问句,将查询问句的实体标签转换成对应的语义标签,建立语义标签和查询结构图标签之间的对应关系;
C、将包含语义标签的查询问句作为训练数据,采用训练工具进行训练,得到语义识别模型;
D、将包含语义标签和查询结构图标签的查询问句作为训练数据进行训练,得到贝叶斯分类器模型参数,构建贝叶斯分类器。
本发明提供的更新模块9更新方法如下:
1)获取目标关键词;
2)从预先建立的知识图谱包括的表征健康知识的实体中,确定至少一个对应的属性信息与所述目标关键词相匹配的实体作为匹配实体;
3)建立所确定的至少一个匹配实体的上级实体,以及基于匹配实体的属性信息,生成所述上级实体的属性信息;
4)将所述上级实体和所述上级实体的属性信息加入所述知识图谱中。
本发明提供的目标关键词的数量为至少一个,用于表征健康知识的实体的属性信息包括用于描述视频的至少一个关键词;
所述从预先建立的知识图谱包括的表征健康知识的实体中,确定至少一个对应的属性信息与所述目标关键词相匹配的实体作为匹配实体,包括:
计算所获取的至少一个目标关键词与用于表征健康知识的实体对应的至少一个关键词之间的相似度,将大于等于预设的相似度阈值的相似度对应的实体确定为匹配实体。
以上所述仅是对本发明的较佳实施例而已,并非对本发明作任何形式上的限制,凡是依据本发明的技术实质对以上实施例所做的任何简单修改,等同变化与修饰,均属于本发明技术方案的范围内。
Claims (6)
1.一种医学健康领域知识图谱的关系抽取系统,其特征在于,所述医学健康领域知识图谱的关系抽取系统包括:
知识资源采集模块、检索模块、主控模块、挖掘模块、分析模块、关联模块、整合构建模块、绘制模块、更新模块、显示模块;
知识资源采集模块,与主控模块连接,用于通过数据采集设备采集医学健康领域知识资源数据;
检索模块,与主控模块连接,用于通过检索程序检索目标健康知识资源;
主控模块,与知识资源采集模块、检索模块、挖掘模块、分析模块、关联模块、整合构建模块、绘制模块、更新模块、显示模块连接,用于通过单片机控制各个模块正常工作;
挖掘模块,与主控模块连接,用于通过挖掘程序对检索的健康知识进行挖掘操作;
分析模块,与主控模块连接,用于通过分析程序分析健康知识含义、类别;
关联模块,与主控模块连接,用于通过关联程序根据分析结果进行关联操作;
整合构建模块,与主控模块连接,用于通过构建程序构建知识关联模型;
绘制模块,与主控模块连接,用于通过绘制程序根据关联模型绘制出可视化的关联图谱;
更新模块,与主控模块连接,用于通过更新程序对健康知识图谱进行更新操作;
显示模块,与主控模块连接,用于通过显示器显示医学健康领域知识图谱。
2.一种如权利要求1所述的医学健康领域知识图谱的关系抽取方法,其特征在于,所述医学健康领域知识图谱的关系抽取方法包括以下步骤:
步骤一,通过知识资源采集模块利用数据采集设备采集医学健康领域知识资源数据;通过检索模块利用检索程序检索目标健康知识资源;
步骤二,主控模块通过挖掘模块利用挖掘程序对检索的健康知识进行挖掘操作;
步骤三,通过分析模块利用分析程序分析健康知识含义、类别;通过关联模块利用关联程序根据分析结果进行关联操作;
步骤四,通过整合构建模块利用构建程序构建知识关联模型;通过绘制模块利用绘制程序根据关联模型绘制出可视化的关联图谱;
步骤五,通过更新模块利用更新程序对健康知识图谱进行更新操作;
步骤六,通过显示模块利用显示器显示医学健康领域知识图谱。
3.如权利要求1所述医学健康领域知识图谱的关系抽取系统,其特征在于,所述检索模块检索方法如下:
(1)根据查询日志选取训练样本,对训练样本进行处理,建立查询问句与查询结构图之间的对应关系,根据所述对应关系训练得到语义识别模型,构建贝叶斯分类器;
(2)通过语义识别模型及贝叶斯分类器将用户输入的自然语言查询问句映射到最大概率的查询结构图上,并将所述查询结构图作为查询模式图进行知识图谱检索。
4.如权利要求3所述医学健康领域知识图谱的关系抽取系统,其特征在于,所述步骤(1)中,包括:
A、命名实体识别并实体标注所述训练样本中的查询问句,得到实体标签,根据所述实体标签挖掘对应的查询结构图,采用查询结构图对应的ID标注所述查询问句,得到实体标签对应的查询结构图标签;
B、语义标注所述步骤A中完成实体标注的查询问句,将查询问句的实体标签转换成对应的语义标签,建立语义标签和查询结构图标签之间的对应关系;
C、将包含语义标签的查询问句作为训练数据,采用训练工具进行训练,得到语义识别模型;
D、将包含语义标签和查询结构图标签的查询问句作为训练数据进行训练,得到贝叶斯分类器模型参数,构建贝叶斯分类器。
5.如权利要求1所述医学健康领域知识图谱的关系抽取系统,其特征在于,所述更新模块更新方法如下:
1)获取目标关键词;
2)从预先建立的知识图谱包括的表征健康知识的实体中,确定至少一个对应的属性信息与所述目标关键词相匹配的实体作为匹配实体;
3)建立所确定的至少一个匹配实体的上级实体,以及基于匹配实体的属性信息,生成所述上级实体的属性信息;
4)将所述上级实体和所述上级实体的属性信息加入所述知识图谱中。
6.如权利要求5所述医学健康领域知识图谱的关系抽取系统,其特征在于,所述目标关键词的数量为至少一个,用于表征健康知识的实体的属性信息包括用于描述视频的至少一个关键词;
所述从预先建立的知识图谱包括的表征健康知识的实体中,确定至少一个对应的属性信息与所述目标关键词相匹配的实体作为匹配实体,包括:
计算所获取的至少一个目标关键词与用于表征健康知识的实体对应的至少一个关键词之间的相似度,将大于等于预设的相似度阈值的相似度对应的实体确定为匹配实体。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910293359.5A CN110059196A (zh) | 2019-04-12 | 2019-04-12 | 一种医学健康领域知识图谱的关系抽取方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910293359.5A CN110059196A (zh) | 2019-04-12 | 2019-04-12 | 一种医学健康领域知识图谱的关系抽取方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110059196A true CN110059196A (zh) | 2019-07-26 |
Family
ID=67317762
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910293359.5A Pending CN110059196A (zh) | 2019-04-12 | 2019-04-12 | 一种医学健康领域知识图谱的关系抽取方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110059196A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110706767A (zh) * | 2019-08-30 | 2020-01-17 | 深圳壹账通智能科技有限公司 | 数据处理方法、装置、设备及存储介质 |
CN110727804A (zh) * | 2019-10-11 | 2020-01-24 | 北京明略软件系统有限公司 | 利用知识图谱处理维修案例的方法、装置及电子设备 |
CN110737775A (zh) * | 2019-08-27 | 2020-01-31 | 南京源涂信息技术有限公司 | 一种基于知识图谱和目标本体的综合评测系统 |
CN110879824A (zh) * | 2019-10-23 | 2020-03-13 | 中广核工程有限公司 | 一种基于物理数据库的核电工程业务数据挖掘系统及方法 |
CN111540466A (zh) * | 2020-04-19 | 2020-08-14 | 周玉娟 | 基于大数据的智慧医疗信息推送方法及大数据医疗云平台 |
CN111767376A (zh) * | 2020-06-03 | 2020-10-13 | 北京理工大学 | 基于动态知识图谱的问答系统及方法 |
CN111951965A (zh) * | 2020-07-31 | 2020-11-17 | 合肥工业大学 | 基于时序知识图谱的全景式健康动态监测与预测系统 |
CN112328749A (zh) * | 2020-11-25 | 2021-02-05 | 北京百度网讯科技有限公司 | 知识要素提取方法、装置、电子设备、介质和程序产品 |
CN112579813A (zh) * | 2020-12-24 | 2021-03-30 | 上海湃星信息科技有限公司 | 一种基于知识图谱的遥感图像检索方法及其装置 |
CN114360724A (zh) * | 2022-01-10 | 2022-04-15 | 江苏盖睿健康科技有限公司 | 健康管理知识图谱构建方法、服务提供方法及相关装置 |
CN114860872A (zh) * | 2022-04-13 | 2022-08-05 | 北京百度网讯科技有限公司 | 数据处理方法、装置、设备以及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107145744A (zh) * | 2017-05-08 | 2017-09-08 | 合肥工业大学 | 医学知识图谱的构建方法、装置及辅助诊断方法 |
CN108920588A (zh) * | 2018-06-26 | 2018-11-30 | 北京光年无限科技有限公司 | 一种用于人机交互的知识图谱更新方法及系统 |
CN109033374A (zh) * | 2018-07-27 | 2018-12-18 | 四川长虹电器股份有限公司 | 基于贝叶斯分类器的知识图谱检索方法 |
CN109189938A (zh) * | 2018-08-31 | 2019-01-11 | 北京字节跳动网络技术有限公司 | 用于更新知识图谱的方法和装置 |
-
2019
- 2019-04-12 CN CN201910293359.5A patent/CN110059196A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107145744A (zh) * | 2017-05-08 | 2017-09-08 | 合肥工业大学 | 医学知识图谱的构建方法、装置及辅助诊断方法 |
CN108920588A (zh) * | 2018-06-26 | 2018-11-30 | 北京光年无限科技有限公司 | 一种用于人机交互的知识图谱更新方法及系统 |
CN109033374A (zh) * | 2018-07-27 | 2018-12-18 | 四川长虹电器股份有限公司 | 基于贝叶斯分类器的知识图谱检索方法 |
CN109189938A (zh) * | 2018-08-31 | 2019-01-11 | 北京字节跳动网络技术有限公司 | 用于更新知识图谱的方法和装置 |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110737775A (zh) * | 2019-08-27 | 2020-01-31 | 南京源涂信息技术有限公司 | 一种基于知识图谱和目标本体的综合评测系统 |
CN110706767A (zh) * | 2019-08-30 | 2020-01-17 | 深圳壹账通智能科技有限公司 | 数据处理方法、装置、设备及存储介质 |
CN110727804A (zh) * | 2019-10-11 | 2020-01-24 | 北京明略软件系统有限公司 | 利用知识图谱处理维修案例的方法、装置及电子设备 |
CN110879824A (zh) * | 2019-10-23 | 2020-03-13 | 中广核工程有限公司 | 一种基于物理数据库的核电工程业务数据挖掘系统及方法 |
CN111540466B (zh) * | 2020-04-19 | 2021-01-15 | 深圳坐标软件集团有限公司 | 基于大数据的智慧医疗信息推送方法及大数据医疗云平台 |
CN111540466A (zh) * | 2020-04-19 | 2020-08-14 | 周玉娟 | 基于大数据的智慧医疗信息推送方法及大数据医疗云平台 |
CN111767376A (zh) * | 2020-06-03 | 2020-10-13 | 北京理工大学 | 基于动态知识图谱的问答系统及方法 |
CN111951965A (zh) * | 2020-07-31 | 2020-11-17 | 合肥工业大学 | 基于时序知识图谱的全景式健康动态监测与预测系统 |
CN111951965B (zh) * | 2020-07-31 | 2024-01-23 | 合肥工业大学 | 基于时序知识图谱的全景式健康动态监测与预测系统 |
CN112328749A (zh) * | 2020-11-25 | 2021-02-05 | 北京百度网讯科技有限公司 | 知识要素提取方法、装置、电子设备、介质和程序产品 |
CN112328749B (zh) * | 2020-11-25 | 2024-05-03 | 北京百度网讯科技有限公司 | 知识要素提取方法、装置、电子设备、介质和程序产品 |
CN112579813A (zh) * | 2020-12-24 | 2021-03-30 | 上海湃星信息科技有限公司 | 一种基于知识图谱的遥感图像检索方法及其装置 |
CN114360724A (zh) * | 2022-01-10 | 2022-04-15 | 江苏盖睿健康科技有限公司 | 健康管理知识图谱构建方法、服务提供方法及相关装置 |
CN114860872A (zh) * | 2022-04-13 | 2022-08-05 | 北京百度网讯科技有限公司 | 数据处理方法、装置、设备以及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110059196A (zh) | 一种医学健康领域知识图谱的关系抽取方法及系统 | |
CN110765257B (zh) | 一种知识图谱驱动型的法律智能咨询系统 | |
CN107330011B (zh) | 多策略融合的命名实体的识别方法及装置 | |
CN108804521B (zh) | 一种基于知识图谱的问答方法及农业百科问答系统 | |
CN106874378B (zh) | 基于规则模型的实体抽取与关系挖掘构建知识图谱的方法 | |
CN105868313B (zh) | 一种基于模板匹配技术的知识图谱问答系统及方法 | |
CN109033374A (zh) | 基于贝叶斯分类器的知识图谱检索方法 | |
CN110990590A (zh) | 一种基于强化学习和迁移学习的动态金融知识图谱构建方法 | |
CN113282689B (zh) | 基于领域知识图谱的检索方法、装置 | |
CN110175585B (zh) | 一种简答题自动批改系统及方法 | |
CN109522011A (zh) | 一种基于编程现场上下文深度感知的代码行推荐方法 | |
CN107169079A (zh) | 一种基于Deepdive的领域文本知识抽取方法 | |
CN107992476B (zh) | 面向句子级生物关系网络抽取的语料库生成方法及系统 | |
CN110532387A (zh) | 一种基于开放性问答文本的抑郁症辅助检测方法 | |
CN110175334A (zh) | 基于自定义的知识槽结构的文本知识抽取系统和方法 | |
CN107943514A (zh) | 一种软件文档中核心代码元素的挖掘方法及系统 | |
CN116245177B (zh) | 地理环境知识图谱自动化构建方法及系统、可读存储介质 | |
CN114218333A (zh) | 一种地质知识图谱构建方法、装置、电子设备及存储介质 | |
CN115312183A (zh) | 医学检验报告智能解读方法及系统 | |
CN110442730A (zh) | 一种基于deepdive的知识图谱构建方法 | |
CN116561274A (zh) | 一种基于数字人技术与自然语言大模型的知识问答方法 | |
CN116089581A (zh) | 一种基于知识图谱的智能问答方法 | |
CN117151659B (zh) | 一种基于大语言模型的生态修复工程全生命周期追溯方法 | |
CN114911893A (zh) | 基于知识图谱的自动化构建知识库的方法及系统 | |
CN109766442A (zh) | 一种对用户笔记进行分类的方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190726 |