CN110322216A - 基于知识图谱的案件审核方法以及装置 - Google Patents

基于知识图谱的案件审核方法以及装置 Download PDF

Info

Publication number
CN110322216A
CN110322216A CN201910464467.4A CN201910464467A CN110322216A CN 110322216 A CN110322216 A CN 110322216A CN 201910464467 A CN201910464467 A CN 201910464467A CN 110322216 A CN110322216 A CN 110322216A
Authority
CN
China
Prior art keywords
mutual
rural
medical
entity
data
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
Application number
CN201910464467.4A
Other languages
English (en)
Inventor
赵艳波
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Advanced New Technologies Co Ltd
Advantageous New Technologies Co Ltd
Original Assignee
Alibaba Group Holding Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Alibaba Group Holding Ltd filed Critical Alibaba Group Holding Ltd
Priority to CN201910464467.4A priority Critical patent/CN110322216A/zh
Publication of CN110322216A publication Critical patent/CN110322216A/zh
Pending legal-status Critical Current

Links

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
    • G06F16/33—Querying
    • G06F16/3331—Query processing
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G06Q10/103—Workflow collaboration or project management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/08—Insurance

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Data Mining & Analysis (AREA)
  • Marketing (AREA)
  • Accounting & Taxation (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Computational Linguistics (AREA)
  • Finance (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Technology Law (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本申请提供基于知识图谱的案件审核方法以及装置，其中所述基于知识图谱的案件审核方法包括：获取项目成员参与互助项目过程中提交的项目案件的案件数据，并提取案件数据中包含的医疗数据；根据知识图谱查询条件包含的医疗实体的种类，在医疗数据中提取与医疗实体的种类对应的互助医疗数据；根据医疗实体的种类之间的映射关系，建立互助医疗数据的映射关系，将建立映射关系后的互助医疗数据作为待查询案件数据；根据待查询案件数据在知识图谱中进行匹配；若匹配失败，向项目成员发送拒绝对项目案件进行互助的提醒信息；通过基于知识图谱的案件审核方法，对项目案件进行审核，提高了审核效率，并解决了案件审核的过程中出现非正常申请互助的问题。

Description

基于知识图谱的案件审核方法以及装置
技术领域
本申请涉及数据处理技术领域，特别涉及一种基于知识图谱的案件审核方法。本申请同时涉及一种知识图谱的构建方法，一种基于知识图谱的案件审核装置，一种知识图谱的构建装置，两种电子设备，以及一种计算机可读存储介质。
背景技术
随着互联网保险业务的发展，市面上推出了相互制类的保险项目，在此保险项目的中，参保人达到此保险模式规定的准入条件后即可加入到此保险业务中，所述保险模式的参保人在保险业务期间患病或意外将获得理赔，理赔款由其他参保人分摊，通过保险公司进行扣款或由除获得理赔外的其他参保人进行缴费。此保险由于具有缴费金额低，受众规模大，相对更公平公正等优点，广受用户青睐。
目前，在相互制类的保险项目中，在进行理赔的过程中，需要获取参与保险项目的项目成员提交的项目案件的案件信息，通过人工方式对项目成员提交的案件信息进行审核，进而决定是否对该项目案件进行理赔。
然而，通过人工审核的方式受限于审核人员的数量，并不适应现如今的保险业务发展速度的节奏，并且通过人工审核案件信息可能存在审核不谨慎的情况，进而可能发生骗保的可能性。
发明内容
有鉴于此，本申请实施例提供了一种基于知识图谱的案件审核方法。本申请同时涉及一种知识图谱的构建方法，一种基于知识图谱的案件审核装置，一种知识图谱的构建装置，两种电子设备，以及一种计算机可读存储介质，以解决现有技术中存在的技术缺陷。
根据本申请实施例的第一方面，提供了一种基于知识图谱的案件审核方法，包括：
获取项目成员参与互助项目过程中提交的项目案件的案件数据，并提取所述案件数据中包含的医疗数据；
根据知识图谱查询条件包含的医疗实体的种类，在所述医疗数据中提取与所述医疗实体的种类对应的互助医疗数据；
根据所述知识图谱查询条件包含的所述医疗实体的种类之间的映射关系，建立所述互助医疗数据的映射关系，将建立映射关系后的所述互助医疗数据的映射数据组作为待查询案件数据；
根据所述待查询案件数据在所述知识图谱中进行匹配；
若匹配失败，向所述项目成员发送拒绝对所述项目案件进行互助的提醒信息。
可选的，所述根据所述待查询案件数据在所述知识图谱中进行匹配，包括：
获取所述映射数据组中包含的医疗实体对应的实体节点以及所述实体节点的映射顺序；
将映射顺序最靠前的实体节点与所述知识图谱中的医疗实体对应的实体节点进行匹配；
若匹配失败，执行所述向所述项目成员发送拒绝对所述项目案件进行互助的提醒信息步骤；
若匹配成功，判断所述映射数据组中的包含的医疗实体对应的实体节点是否匹配完成；
若是，向所述项目成员发送针对所述项目案件进行互助的提醒信息；
若否，将所述映射数据组中包含的未匹配并映射顺序最靠前的实体节点作为待匹配节点，以及将所述知识图谱中与完成匹配的医疗实体具有映射关系的医疗实体对应的实体节点作为待匹配图谱节点；
将所述待匹配节点与所述待匹配图谱节点进行匹配；
若匹配成功，返回执行所述判断所述映射数据组中的包含的医疗实体对应的实体节点是否匹配完成子步骤；
若匹配失败，执行所述向所述项目成员发送拒绝对所述项目案件进行互助的提醒信息步骤。
可选的，若所述根据所述待查询案件数据在所述知识图谱中进行匹配的匹配结果为匹配成功的情况下，则执行如下步骤：
向所述项目成员发送针对所述项目案件进行互助的提醒信息；
根据所述项目案件的案件数据确定所述项目案件的所属类型；
邀请所述互助项目中与所述项目案件的所属类型匹配的项目审核组对所述项目案件进行审核。
可选的，所述知识图谱的构建过程，包括：
获取医疗数据，并确定所述医疗数据对应的医疗实体；
根据所述互助项目的互助范围内包含的项目医疗实体，在所述医疗实体中筛选出与所述项目医疗实体对应的医疗实体，确定为互助医疗实体；
建立各互助医疗实体之间的映射关系；
对各映射关系中对应的互助医疗实体和所述各互助医疗实体之间的映射关系进行结构化处理，根据结构化处理结果构建知识图谱；
根据所述各互助医疗实体之间的映射关系，确定所述各互助医疗实体所属种类之间的映射关系，作为在所述知识图谱中进行查询的查询条件。
可选的，所述获取医疗数据，并确定所述医疗数据对应的医疗实体，包括：
通过在所述互助项目的医疗数据库中获取结构化医疗数据，并确定所述结构化医疗数据对应的第一医疗实体；
通过对网页中的医疗数据进行爬取，获得非结构化医疗数据；
基于自然语言处理算法对所述非结构化医疗数据进行处理，根据处理结果确定第二医疗实体；
将所述第一医疗实体和所述第二医疗实体进行整合，确定为所述医疗实体。
可选的，所述对各映射关系中对应的互助医疗实体和所述各互助医疗实体之间的映射关系进行结构化处理，根据结构化处理结果构建知识图谱，包括：
根据所述互助医疗实体以及所述互助医疗实体之间的映射关键确定至少一个三元组；
基于所述至少一个三元组构建所述知识图谱。
可选的，所述根据所述互助项目的互助范围内包含的项目医疗实体，在所述医疗实体中筛选出与所述项目医疗实体对应的医疗实体，确定为互助医疗实体子步骤执行之后，还包括：
根据所述互助医疗实体对应的医疗数据确定每个互助医疗实体的属性信息；
基于每个互助医疗实体的属性信息判断是否存在属性信息不同且互助医疗实体相同的互助医疗实体；
若是，对存在属性信息不同且互助医疗实体相同的互助医疗实体进行过滤处理，并且，执行所述建立各互助医疗实体之间的映射关系子步骤；
其中，所述建立各互助医疗实体之间的映射关系，包括：
基于所述过滤处理后的互助医疗实体建立所述各互助医疗实体之间的映射关系。
可选的，所述对各映射关系中对应的互助医疗实体和所述各互助医疗实体之间的映射关系进行结构化处理，根据结构化处理结果构建知识图谱子步骤执行之后，还包括：
将构建完成的所述知识图谱存储至Neo4j图形数据库。
根据本申请实施例的第二方面，提供了一种知识图谱的构建方法，包括：
获取医疗数据，并确定所述医疗数据对应的医疗实体；
根据互助项目的互助范围内包含的项目医疗实体，在所述医疗实体中筛选出与所述项目医疗实体对应的医疗实体，确定为互助医疗实体；
建立各互助医疗实体之间的映射关系；
对各映射关系中对应的互助医疗实体和所述各互助医疗实体之间的映射关系进行结构化处理，根据结构化处理结果构建知识图谱；
根据所述各互助医疗实体之间的映射关系，确定所述各互助医疗实体所属种类之间的映射关系，作为在所述知识图谱中进行查询的查询条件。
可选的，所述获取医疗数据，并确定所述医疗数据对应的医疗实体，包括：
通过在所述互助项目的医疗数据库中获取结构化医疗数据，并确定所述结构化医疗数据对应的第一医疗实体；
通过对网页中的医疗数据进行爬取，获得非结构化医疗数据；
基于自然语言处理算法对所述非结构化医疗数据进行处理，根据处理结果确定第二医疗实体；
将所述第一医疗实体和所述第二医疗实体进行整合，确定为所述医疗实体。
可选的，所述对各映射关系中对应的互助医疗实体和所述各互助医疗实体之间的映射关系进行结构化处理，根据结构化处理结果构建知识图谱，包括：
根据所述互助医疗实体以及所述互助医疗实体之间的映射关键确定至少一个三元组；
基于所述至少一个三元组构建所述知识图谱。
可选的，所述根据互助项目的互助范围内包含的项目医疗实体，在所述医疗实体中筛选出与所述项目医疗实体对应的医疗实体，确定为互助医疗实体步骤执行之后，还包括：
根据所述互助医疗实体对应的医疗数据确定每个互助医疗实体的属性信息；
基于每个互助医疗实体的属性信息判断是否存在属性信息不同且互助医疗实体相同的互助医疗实体；
若是，对存在属性信息不同且互助医疗实体相同的互助医疗实体进行过滤处理，并且，执行所述建立各互助医疗实体之间的映射关系子步骤；
其中，所述建立各互助医疗实体之间的映射关系，包括：
基于所述过滤处理后的互助医疗实体建立所述各互助医疗实体之间的映射关系。
可选的，所述对各映射关系中对应的互助医疗实体和所述各互助医疗实体之间的映射关系进行结构化处理，根据结构化处理结果构建知识图谱步骤执行之后，还包括：
将构建完成的所述知识图谱存储至Neo4j图形数据库。
根据本申请实施例的第三方面，提供了一种基于知识图谱的案件审核装置，包括：
获取案件数据模块，被配置为获取项目成员参与互助项目过程中提交的项目案件的案件数据，并提取所述案件数据中包含的医疗数据；
提取互助医疗数据模块，被配置为根据知识图谱查询条件包含的医疗实体的种类，在所述医疗数据中提取与所述医疗实体的种类对应的互助医疗数据；
建立映射关系模块，被配置为根据所述知识图谱查询条件包含的所述医疗实体的种类之间的映射关系，建立所述互助医疗数据的映射关系，将建立映射关系后的所述互助医疗数据的映射数据组作为待查询案件数据；
匹配模块，被配置为根据所述待查询案件数据在所述知识图谱中进行匹配；
若匹配失败，运行发送提醒信息模块；
所述发送提醒信息模块，被配置为向所述项目成员发送拒绝对所述项目案件进行互助的提醒信息。
根据本申请实施例的第四方面，提供了一种知识图谱的构建装置，包括：
获取医疗数据模块，被配置为获取医疗数据，并确定所述医疗数据对应的医疗实体；
确定互助医疗实体模块，被配置为根据互助项目的互助范围内包含的项目医疗实体，在所述医疗实体中筛选出与所述项目医疗实体对应的医疗实体，确定为互助医疗实体；
建立映射关系模块，被配置为建立各互助医疗实体之间的映射关系；
构建知识图谱模块，被配置为对各映射关系中对应的互助医疗实体和所述各互助医疗实体之间的映射关系进行结构化处理，根据结构化处理结果构建知识图谱；
确定查询条件模块，被配置为根据所述各互助医疗实体之间的映射关系，确定所述各互助医疗实体所属种类之间的映射关系，作为在所述知识图谱中进行查询的查询条件。
根据本申请实施例的第五方面，提供了一种电子设备，包括：
存储器和处理器；
所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令：
获取项目成员参与互助项目过程中提交的项目案件的案件数据，并提取所述案件数据中包含的医疗数据；
根据知识图谱查询条件包含的医疗实体的种类，在所述医疗数据中提取与所述医疗实体的种类对应的互助医疗数据；
根据所述知识图谱查询条件包含的所述医疗实体的种类之间的映射关系，建立所述互助医疗数据的映射关系，将建立映射关系后的所述互助医疗数据的映射数据组作为待查询案件数据；
根据所述待查询案件数据在所述知识图谱中进行匹配；
若匹配失败，向所述项目成员发送拒绝对所述项目案件进行互助的提醒信息。
根据本申请实施例的第六方面，提供了一种电子设备，包括：
存储器和处理器；
所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令：
获取医疗数据，并确定所述医疗数据对应的医疗实体；
根据互助项目的互助范围内包含的项目医疗实体，在所述医疗实体中筛选出与所述项目医疗实体对应的医疗实体，确定为互助医疗实体；
建立各互助医疗实体之间的映射关系；
对各映射关系中对应的互助医疗实体和所述各互助医疗实体之间的映射关系进行结构化处理，根据结构化处理结果构建知识图谱；
根据所述各互助医疗实体之间的映射关系，确定所述各互助医疗实体所属种类之间的映射关系，作为在所述知识图谱中进行查询的查询条件。
根据本申请实施例的第七方面，提供了一种计算机可读存储介质，其存储有计算机可执行指令，该指令被处理器执行时实现任意一项所述基于知识图谱的案件审核方法或知识图谱的构建方法的步骤。
与现有技术相比，本申请具有如下优点：
本申请提供一种基于知识图谱的案件审核方法，包括：获取项目成员参与互助项目过程中提交的项目案件的案件数据，并提取所述案件数据中包含的医疗数据；根据知识图谱查询条件包含的医疗实体的种类，在所述医疗数据中提取与所述医疗实体的种类对应的互助医疗数据；根据所述知识图谱查询条件包含的所述医疗实体的种类之间的映射关系，建立所述互助医疗数据的映射关系，将建立映射关系后的所述互助医疗数据的映射数据组作为待查询案件数据；根据所述待查询案件数据在所述知识图谱中进行匹配；若匹配失败，向所述项目成员发送拒绝对所述项目案件进行互助的提醒信息。
本申请提供的基于知识图谱的案件审核方法，通过获取项目成员参与互助项目的过程中提交的案件数据，并提取所述案件数据中的医疗数据，通过对所述医疗数据进行处理获得符合知识图谱查询条件的待查询案件数据，将所述待查询案件数据在所述知识图谱中进行查询，能够快速的准确的了解所述项目成员是否存在非正常申请互助的行为，并且基于所述知识图谱对所述项目案件进行审核，提高了项目案件的审核效率，减轻了人工审核项目案件的工作量，并避免了人工审核项目案件的过程中可能存在的审核不充分的情况。
附图说明
图1是本申请一实施例提供的一种基于知识图谱的案件审核方法的流程图；
图2是本申请一实施例提供的一种基于知识图谱的案件审核方法中知识图谱匹配过程的流程图；
图3是本申请一实施例提供的一种知识图谱的构建方法的流程图；
图4是本申请一实施例提供的一种基于知识图谱的案件审核过程的处理流程图；
图5是本申请一实施例提供的一种基于知识图谱的案件审核装置的结构示意图；
图6是本申请一实施例提供的一种知识图谱的构建装置的结构示意图；
图7是本申请一实施例提供的第一种电子设备的结构框图；
图8是本申请一实施例提供的第二种电子设备的结构框图。
具体实施方式
在下面的描述中阐述了很多具体细节以便于充分理解本申请。但是本申请能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本申请内涵的情况下做类似推广，因此本申请不受下面公开的具体实施的限制。
在本申请一个或多个实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请一个或多个实施例。在本申请一个或多个实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本申请一个或多个实施例中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解，尽管在本申请一个或多个实施例中可能采用术语第一、第二等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本申请一个或多个实施例范围的情况下，第一也可以被称为第二，类似地，第二也可以被称为第一。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
首先，对本发明一个或多个实施例涉及的名词术语进行解释。
相互保险：具有同质风险保障需求的单位或个人，通过订立合同成为会员，并缴纳保费形成互助基金，由该基金对合同约定的事故发生所造成的损失承担赔偿责任，或者当被保险人死亡、伤残、疾病或者达到合同约定的年龄、期限等条件时承担给付保险金责任的保险活动。
知识图谱：(Knowledge Graph/Vault)，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。为学科研究提供切实的、有价值的参考。
在本申请中，提供了一种基于知识图谱的案件审核方法。本申请同时涉及一种知识图谱的构建方法，一种基于知识图谱的案件审核装置，一种知识图谱的构建装置，两种电子设备，以及一种计算机可读存储介质。在下面的实施例中逐一进行详细说明。
本申请一实施例中提供的基于知识图谱的案件审核方法通过结合附图1和附图2进行说明，包括：
图1是申请一实施例提供的一种基于知识图谱的案件审核方法的流程图；
图2是本申请一实施例提供的一种基于知识图谱的案件审核方法中知识图谱匹配过程的流程图。其中，图2具体步骤包括步骤202至步骤212；图1具体步骤包括步骤102至步骤110。
步骤102：获取项目成员参与互助项目过程中提交的项目案件的案件数据，并提取所述案件数据中包含的医疗数据。
本申请实施例中所述项目成员为所述互助项目中的项目成员，其中，所述互助项目可以是互助共济项目、扶贫项目或者共享项目。所述项目案件为所述项目成员在参与所述互助项目的项目周期内发生的项目案件。
基于此，所述互助项目是指将具有相同需求的项目成员，所述项目成员通过参与互助项目的方式进行相互之间的帮助，可以理解为同时参与到互助项目中的项目成员，当所有成员中任意一名项目成员发生意外或者需要帮助时，只要该项目成员发生的意外或者需要帮助的事情在互助项目的受理范围内，参与互助项目的其他成员会为该项目成员提供一定的互助金或者一定的帮助。
具体实施时，项目成员参与所述互助项目的过程中，发生项目案件的情况下，所述项目成员可以向承载所述互助项目的平台发送互助申请，同时需要向所述互助项目的平台发送互助申请需要的案件数据，通过对所述案件数据的分析和检测，确定项目成员提交的案件数据是否符合互助项目的审核条件，在符合的情况下，再对项目成员的项目案件进行审核，根据审核结果决定是否对所述项目成员进行互助。
在对所述项目成员的项目案件审核的过程中，为了能够提高对所述项目成员的项目案件的审核效率，以减少审核所述项目案件的人工审核成本，通过提取所述项目成员提交的案件数据中的医疗数据，并根据知识图谱的查询条件对所述医疗数据进行处理获得所述待查询案件数据，将所述待查询案件数据在所述知识图谱中进行匹配，实现了基于知识图谱对所述项目案件的审核，提高了审核项目案件的审核效率，并且在匹配失败的情况下，向所述项目成员发送拒绝对所述项目案件进行互助的提醒信息，避免了在项目案件审核的过程中，出现项目成员非正常申请互助的行为发生。
此处，所述非正常申请互助的行为可以理解为项目成员并未出现疾病或者事故，但向互助项目申请互助的欺诈行为。
具体的，在所述项目成员参与所述互助项目的过程中，发生项目案件的情况下，所述项目成员可以根据自身发生的项目案件具体情况，决定是否向所述互助项目申请互助，在申请互助的情况下，承载所述互助项目的项目平台会获取项目成员的项目案件的数据，并提取所述案件数据中包含的医疗数据，进而从所述医疗数据中判断所述项目成员是否存在非正常申请互助的行为，并可以为根据医疗数据进行后续的项目案件的审核。
具体实施时，所述案件数据是指项目成员的项目案件全部相关数据，包括：项目案件发生时间、地点、项目成员属性数据、项目成员参与互助项目时间、项目成员的医疗数据等对所述项目案件进行审核过程需要的全部数据。
所述医疗数据是指项目成员的项目案件具体的医疗情况，包括：项目成员的疾病或者受伤情况、项目成员在患病或者受伤期间所食用的药物、项目成员在患病或者受伤期间所就诊的医院、项目成员在患病或者受伤期间具体就诊时间等相关的医疗数据。
例如，在一起交通事故中，导致参与互助项目的项目成员小腿骨折，项目成员在互助项目平台发起互助请求，并向互助项目的项目平台提交案件数据，根据项目成员提交的案件数据进行提取，获得该项目成员的医疗数据，项目成员的医疗数据包括受伤：小腿骨折，就诊时间：2019年5月3日，食用药物：药物A和药物B，就诊医院：A骨科医院。
除此之外，在对项目成员的项目案件进行审核的过程中，还会根据项目成员提交的案件数据中的其他数据对项目案件进行审核，例如，根据项目成员提交的案件数据中包含的项目案件的发生时间，判断该项目案件是否超过互助项目的互助周期，进而决定是否对该项目案件进行审核。
步骤104：根据知识图谱查询条件包含的医疗实体的种类，在所述医疗数据中提取与所述医疗实体的种类对应的互助医疗数据。
具体的，上述获取所述项目案件的案件数据，并提取所述案件数据中包含的医疗数据，进一步的，根据所述知识图谱的查询条件中包含的医疗实体种类，提取所述医疗数据中与所述医疗实体种类对应的互助医疗数据。
具体实施时，通常情况下，以“实体”来表示知识图谱中的节点，用“关系”来表示知识图谱中实体和实体连接的边；“实体”是指现实世界中的事务，例如：人、地名、概念、药物、公司、建筑物等，“关系”则是用来变大不同“实体”之间的某种联系。例如，B用户居住在B城市，其中，姓名B和B城市均为实体，居住则可以表达为姓名B和B城市之间的关系。
基于此，所述知识图谱查询条件包含的医疗实体的种类包括：患病或受伤、实用的药物、居住的医院和/或就诊的时间等关于医疗的种类；在所述医疗数据中提取与所述医疗实体的种类对应的互助医疗数据为确定各医疗实体的种类对应的互助医疗数据。
例如，项目成员的医疗数据包括：患心脏病，吃了药物C，在C医院进行治疗，就诊时间为2019年5月4日，并知识图谱查询条件包含的医疗实体的种类包括：患病、食用药物、就诊医院，则提取的项目成员的互助医疗数据为患心脏病，吃了药物C，在C医院进行治疗的数据。
在上述提取与所述医疗实体的种类对应的互助医疗数据的基础上，进一步，本实施例的一个或多个实施方式中，所述知识图谱的构建过程，具体步骤包括步骤1至步骤5。
步骤1：获取医疗数据，并确定所述医疗数据对应的医疗实体；
具体的，构建知识图谱需要至少两个实体以及两个实体之间的关系作为基本单位，才能够构建一个基本的知识图谱；在构建知识图谱的过程中，需要确定具体的要解决的业务问题，根据需要解决的业务问题获取关于该业务的数据。在本申请实施例中，需要解决的问题是从医疗数据上对项目成员的项目案件进行审核，则需要获取医疗数据，并确定所述医疗数据中对应的所述医疗实体。
在上述确定所述医疗数据对应的医疗实体的基础上，进一步，本实施例的一个或多个实施方式中，为了能够使得构建的知识图谱足够庞大，在获取医疗数据的过程中，不仅需要从医疗数据库中进行获取医疗数据，还要从网络等相关位置爬取更多的医疗数据，具体实现方式如下所述：
通过在所述互助项目的医疗数据库中获取结构化医疗数据，并确定所述结构化医疗数据对应的第一医疗实体；
通过对网页中的医疗数据进行爬取，获得非结构化医疗数据；
基于自然语言处理算法对所述非结构化医疗数据进行处理，根据处理结果确定第二医疗实体；
将所述第一医疗实体和所述第二医疗实体进行整合，确定为所述医疗实体。
具体的，首先通过在互助项目中的医疗数据库中获取结构化医疗数据，所述结构化医疗数据不需要进行进一步的处理，即可直接进行应用，通过在所述医疗数据库中获取的结构化医疗数据确定其对应的第一医疗实体；在只获得医疗数据库中的结构化医疗数据对应的医疗实体，构建出的知识图谱覆盖率将较小，为了保障构建出的知识图谱能够覆盖整个互助项目的医疗范围，还需要从网页中的医疗数据进行爬取，爬取获得的医疗数据为非结构化医疗数据，非结构化医疗数据不能够直接的进行应用，通过自然语言处理算法对非结构化医疗数据进行处理，获得非结构化医疗数据中关键医疗数据，根据获取的关键医疗数据确定其对应的第二医疗实体；其中，所述第一医疗实体表示是从所述医疗数据库中获得的全部结构化医疗数据对应的医疗实体的集合，不仅表示一个医疗实体，同理所述第二医疗实体表示的是从网页中爬取的非结构化数据对应的医疗实体的集合，不仅表示一个医疗实体。
基于此，通过获取的所述第一医疗实体和所述第二医疗实体，将所述第一医疗实体和所述第二医疗实体进行整合处理，整合处理的过程为在所述第一医疗实体中包含的医疗实体和所述第二医疗实体中包含的医疗实体可能存在重复，在存在重复的情况下，作为构建知识图谱的实体，将增加没必要的工作量，通过整合处理，将所述第一医疗实体和所述第二医疗实体进行整合，剔除存在重复的医疗实体，保证每个医疗实体且仅有一个即可，将整合后的所述第一医疗实体和所述第二医疗实体确定为互助项目的医疗实体。
实际应用中，以心脏病是一类比较常见的循环系统疾病，在患病时应该使用药物S为非结构化数据，对所述确定医疗实体的过程进行描述，其中，在网页中爬取的非结构化数据为“心脏病是一类比较常见的循环系统疾病，在患病时应该使用药物S”，通过自然语言处理算法对非结构化数据进行处理，处理后获得的医疗实体为心脏病和药物S。
不仅在所述医疗数据库中获取结构化医疗数据对应的医疗实体，还通过在网页中爬取非结构化医疗数据，并对爬取到的非结构医疗数据进行自然语言处理算法对所述非结构化数据进行处理，根据处理结果获得医疗实体，在构建知识图谱的过程中，通过在前期确定足够的医疗实体以及实体间的关系，能够保证构建出的知识图谱足够完整，应用更加方便，识别结果更加准确。
步骤2：根据所述互助项目的互助范围内包含的项目医疗实体，在所述医疗实体中筛选出与所述项目医疗实体对应的医疗实体，确定为互助医疗实体；
具体的，在上述获取的所述医疗实体，进一步的，所述互助项目构建出的知识图谱在使用的过程中，是为了对互助项目的互助范围内的项目案件进行审核，构建的知识图谱用于审核项目案件，则所需要构建出的知识图谱需要只基于互助范围内的医疗实体构建即可。
基于此，根据获取的医疗实体以及所述互助项目的互助范围包含的项目医疗实体，所述项目医疗实体为互助项目的互助范围内的医疗实体，根据所述项目医疗实体在所述获取的医疗实体中筛选出与所述项目医疗实体对应的互助医疗实体；所述互助医疗实体为从获取到的全部医疗实体中筛选出在所述互助范围内的医疗实体。
在上述确定所述互助医疗实体的基础上，进一步，本实施例的一个或多个实施方式中，确定的所述互助医疗实体中可能存在命名不同但实体为一个医疗实体的情况，基于该种情况，需要对互助医疗实体中的医疗实体进行过滤处理，将同一医疗实体不同命名的医疗实体进行统一，具体实现方式如下所述：
根据所述互助医疗实体对应的医疗数据确定每个互助医疗实体的属性信息；
基于每个互助医疗实体的属性信息判断是否存在属性信息不同且互助医疗实体相同的互助医疗实体；
若是，对存在属性信息不同且互助医疗实体相同的互助医疗实体进行过滤处理，并且，执行所述建立各互助医疗实体之间的映射关系子步骤；
其中，所述建立各互助医疗实体之间的映射关系，包括：
基于所述过滤处理后的互助医疗实体建立所述各互助医疗实体之间的映射关系；
若否，不做任何处理即可。
具体的，根据所述互助医疗实体对应的医疗数据确定每个互助医疗实体的属性信息，所述医疗实体的属性信息为互助医疗实体的命名以及本身的属性信息，例如，互助医疗实体为药物T，该互助医疗实体的属性信息为命名为T；在确定每个互助医疗实体的属性信息的基础上，判断全部互助医疗实体中是否存在属性信息不同且实体相同的互助医疗实体，若是，对存在属性信息不同且互助医疗实体相同的互助医疗实体进行过滤处理，将不同属性信息且实体相同的互助医疗实体进行过滤，使得一个互助医疗实体具备不同的属性信息，并执行后续步骤3，步骤3具体是指建立各互助医疗实体之间的映射关系；基于对互助医疗实体进行过滤处理，步骤3进一步的，具体是指基于所述过滤处理后的互助医疗实体建立所述各互助医疗实体之间的映射关系。
基于此，在判断全部互助医疗实体中是否存在属性信息不同且实体相同的互助医疗实体的过程中，可以理解为同一个互助医疗实体存在多个不同命名的互助医疗实体，且存在的多个互助医疗实体均具有对应的属性信息，每个属性信息不相同。例如，药物D治疗呼吸道感染，该药物D还存在另一种命名为药物F，虽然命名不同，但是药物D和药物F是同一种药物；在这种情况下，则需要对存在属性信息不同且互助医疗实体相同的互助医疗实体进行实体统一，使得该药物实体确定为一个，但属性信息存在两个。例如将该药物命名为药物D，在查询药物D的时候会查询到药物D，在查询药物F的时候，依旧会查询到药物D。
通过对所述存在属性信息不同且互助医疗实体相同的互助医疗实体进行过滤处理，使得构建的知识图谱的在复杂度降低的情况下，还依旧能够保证互助范围内的医疗实体均体现在知识图谱中，为后续的项目案件审核过程提高了审核效率。
步骤3：建立各互助医疗实体之间的映射关系；
具体的，上述确定所述互助医疗实体，进一步的，根据确定的全部互助医疗实体，建立相关的互助医疗实体支架内的映射关系。
例如，互助医疗实体包括：疾病1，疾病2，药物1，药物2，医院1，医院2，其中疾病1需要食用药物1，并在医院1进行就诊；疾病2需要食用药物2，并在医院2进行就诊，根据上述实体信息确定建立映射关系为：疾病1指向药物1指向医院1，疾病2指向药物2指向医院2。
除此之外，在疾病1食用药物2的也可以治疗该疾病的情况下，则建立的映射关系为疾病1指向药物1和药物2，药物1指向医院1，药物2指向医院2，并且，疾病2也指向药物2在指向医院2。
步骤4：对各映射关系中对应的互助医疗实体和所述各互助医疗实体之间的映射关系进行结构化处理，根据结构化处理结果构建知识图谱；
具体的，上述建立各互助医疗实体之间的映射关系，进一步，根据各映射关系和中对应的互助医疗实体和映射关系将所述互助医疗实体对应的医疗数据映射到网络图片中，建立用于对所述项目成员的项目案件进行审核的相关性知识图谱。
在上述构建知识图谱的基础上，进一步，本实施例的一个或多个实施方式中，构建知识图谱的基本单位为三元组，则构建知识图谱的具体实现方式如下所述：
根据所述互助医疗实体以及所述互助医疗实体之间的映射关键确定至少一个三元组；
基于所述至少一个三元组构建所述知识图谱。
具体的，在构建知识图谱的过程中，三元组是构建知识图谱的基本单位，构建一个足够庞大的知识图谱是由足够多的三元组构建而成，所述三元组为：(实体，关系，实体)；基于此，根据至少两个互助医疗实体以及这两个互助医疗实体之间的映射关系组成一个三元组，基于互助医疗实体以及各个互助医疗实体之间的映射关系构建为互助项目所需的知识图谱。
在上述构建完成知识图谱的基础上，进一步，本实施例的一个或多个实施方式中，需要将构建完成的知识图谱进行存储，具体实现方式如下所述：
将构建完成的所述知识图谱存储至Neo4j图形数据库。
具体的，将构建完成的知识图谱存储至Neo4j图形数据库；所述Neo4j图形数据库是一个高性能的、面向网络的图形数据库；Neo4j提供了大规模可扩展性，在一台机器上可以处理数十亿节点/关系/属性的图，可以扩展到多台机器并行运行。
通过将构建完成的知识图谱存储至所述Neo4j图形数据库，在后续随着互助项目的互助范围增大，知识图谱也需要随着互助项目进行扩展，基于所述Neo4j图形数据库的性能，可以对已经存在Neo4j图形数据库中的知识图谱进行大规模扩展，避免了知识图谱资源的浪费。
步骤5：根据所述各互助医疗实体之间的映射关系，确定所述各互助医疗实体所属种类之间的映射关系，作为在所述知识图谱中进行查询的查询条件。
具体的，根据上述构建的知识图谱，进一步的，在使用知识图谱的过程中，需要为所述知识图谱建立查询条件，通过所述各互助医疗实体之间的映射关系，确定所述各互助医疗实体的所属种类的映射关系，根据所述各互助医疗实体的所属种类的映射关系作为所述知识图谱的查询条件。
其中，所述互助医疗实体所属的种类是指互助医疗实体的种类，例如，互助医疗实体为心脏病，则所属的种类为患病。
实际应用中，以项目成员患病心脏病和食用药物S为互助医疗实体，对确定知识图谱查询条件的过程进行描述，其中，互助医疗实体间的映射关系为心脏病指向药物S，并且心脏病所属的种类为患病，药物S所属的种类为药物，互助医疗实体的所属种类的映射关系为患病指向药物，则构建的知识图谱的查询条件为输入患的病和食用的药物即可在知识图谱中查询是否存在相关关系，从而实现了对项目成员的项目案件审核的过程。
本申请提供的知识图谱的构建过程中，在获取医疗数据时，不仅通过医疗数据库获取医疗实体，还通过从网页中爬取非结构化医疗数据，经过自然语言处理算法获得医疗实体，实现了后续的构建知识图谱的过程中，保证了知识图谱的丰富度，并且根据获得的医疗实体确定互助医疗实体，再对所述互助医疗实体进行过滤处理，在保证知识图谱覆盖范围大的情况下，降低了知识图谱的复杂程度，使用起来更加便捷，将构建完成的知识图谱存储在Neo4j图形数据库中，可以随着互助项目的发展对知识图谱进行扩展，避免了知识图谱资源的浪费，通过知识图谱对项目案件进行审核，很大程度上提高了对项目案件审核的审核效率，并且减轻了人工审核项目案件的工作量。
步骤106：根据所述知识图谱查询条件包含的所述医疗实体的种类之间的映射关系，建立所述互助医疗数据的映射关系，将建立映射关系后的所述互助医疗数据的映射数据组作为待查询案件数据。
具体的，上述通过在所述医疗数据中提取与所述医疗实体的种类对应的互助医疗数据，进一步的，根据所述知识图谱查询条件包含的所述医疗实体的种类之间的映射关系，建立所述互助医疗数据的映射关系，建立映射关系后的映射数据组符合知识图谱的查询条件，将所述映射数据组确定为所述待查询案件数据；其中，所述待查询案件数据为符合查询条件的并可以通过知识图谱进行查询的数据。
例如，知识图谱的查询条件为符合疾病种类指向药物种类的映射关系，才能够在知识图谱中进行查询，其中项目成员患有心脏病，服用药物S，根据该知识图谱的查询条件将项目成员的互助医疗数据建立映射关系，建立映射关系的互助医疗数据的映射数据组为心脏病指向药物S，将心脏病指向药物S确定为待查询案件数据。
步骤108：根据所述待查询案件数据在所述知识图谱中进行匹配。
具体的，根据上述建立关系后的互助医疗数据的映射数据组作为待查询案件数据，进一步的，将所述待查询案件数据在所述知识图谱中进行匹配。
如果所述待查询案件数据在所述知识图谱中进行匹配的结果为匹配失败，说明知识图谱中未存在与所述待查询案件数据匹配的映射数据组，则执行步骤110；
如果所述待查询案件数据在所述知识图谱中进行匹配的结果为匹配成功，说明知识图谱中存在与所述待查询案件数据匹配的映射数据组，则为所述项目案件匹配项目审核组。
在上述将所述待查询案件数据在所述知识图谱中进行匹配的基础上，进一步，本实施例的一个或多个实施方式中，若匹配成功，则执行如下步骤：
向所述项目成员发送针对所述项目案件进行互助的提醒信息；
根据所述项目案件的案件数据确定所述项目案件的所属类型；
邀请所述互助项目中与所述项目案件的所属类型匹配的项目审核组对所述项目案件进行审核。
具体的，在所述待查询案件数据在所述知识图谱中进行匹配的结果为匹配成功的情况下，说明项目成员的项目案件未存在非正常申请互助的情况，可以根据所述项目案件的案件数据确定所述项目案件的所属类型；例如，项目案件是车祸案件，则可以将该项目案件确定为意外事故类型案件，项目案件是疾病案件，则可以将该项目案件去确定为疾病类型案件，根据所述项目案件的所属类型为所述项目案件匹配项目审核组，该项目审核组是针对所述项目案件的类型匹配的，邀请与所述项目案件匹配的项目审核组对所述项目案件进行审核，可以根据所述项目审核组的审核结果来确定所述项目案件是否在所述互助项目的互助范围内，若是，则对所述项目案件的项目成员发放互助金，若否，则向所述项目案件的项目成员发送拒绝发放互助金的提醒信息，所述提醒信息中包含拒绝发放互助金的具体原因。
在上述根据所述待查询案件数据在所述知识图谱中进行匹配的基础上，进一步，本实施例的一个或多个实施方式中，图2示出了本申请一实施例提供的一种基于知识图谱的案件审核方法中知识图谱匹配过程的流程图，用于具体描述所述待查询案件数据在所述知识图谱中进行匹配的过程；其中，图2具体步骤包括步骤202至步骤212。
步骤202：获取所述映射数据组中包含的医疗实体对应的实体节点以及所述实体节点的映射顺序；
具体的，获取所述映射数据组中各实体节点，以及所述实体节点的映射顺序，所述实体节点为映射数据组中的各个节点，即为各个医疗实体，例如，医疗实体为疾病、药物、医院，则实体节点与所述医疗实体对应为疾病、药物、医院，实体节点的映射顺序为医疗实体的映射顺序，具体的医疗实体的映射顺序的描述内容可参见上述实施例中对应的描述内容，本申请在此不在赘述。
步骤204：将映射顺序最靠前的实体节点与所述知识图谱中的医疗实体对应的实体节点进行匹配；
若匹配失败，则向所述项目成员发送拒绝对所述项目案件进行互助的提醒信息；
若匹配成功，则执行步骤206；
例如，实体节点的映射顺序是最靠前的实体节点为疾病，其次是药物，最后为医院，则将疾病实体节点与知识图谱中的医疗实体对应的实体节点进行匹配，若匹配失败，说明知识图谱中不包含该实体节点对应的医疗实体，进而可以确定项目案件不在互助项目的互助范围，向所述项目成员发送拒绝对所述项目案件进行互助的提醒信息，所述提醒信息中包含具体的拒绝原因以及拒绝互助时间；若匹配成功，说明可以继续对项目案件进行审核。
步骤206：判断所述映射数据组中的包含的医疗实体对应的实体节点是否匹配完成；
若是，执行步骤208；
若否，执行步骤210；
具体的，在上述将映射顺序最靠前的实体节点与所述知识图谱中的医疗实体对应的实体节点进行匹配的结果为匹配成功的基础上，进一步的，判断所述项目案件的映射数据组中包含的医疗实体对应的实体节点是否还存在未匹配的，若是，说明所述映射数据组中还存在至少一个未被匹配的实体节点，则执行下述步骤208；若否，说明所述映射数据组中的实体节点均已匹配，则执行下述步骤210。
基于此，例如，映射数据组中对应的实体节点包括疾病，药物，医院，在对疾病进行匹配完成的情况下，还存在药物和医院未被匹配，继续对药物和医院与知识图谱中的与匹配完成的实体节点具有映射关系的下一实体节点进行匹配。
步骤208：向所述项目成员发送针对所述项目案件进行互助的提醒信息；
具体的，在将映射顺序最靠前的实体节点与所述知识图谱中的医疗实体对应的实体节点进行匹配的结果为匹配成功的情况下，并且映射数据组中仅包含一个实体节点，则匹配结束，所述项目案件的医疗数据与所述知识图谱中的医疗实体对应的医疗数据匹配，则可以对所述项目案件进行进一步的审核，进而决定是否对所述项目案件进行互助。
步骤210：将所述映射数据组中包含的未匹配并映射顺序最靠前的实体节点作为待匹配节点，以及将所述知识图谱中与完成匹配的医疗实体具有映射关系的医疗实体对应的实体节点作为待匹配图谱节点；
具体的，在将映射顺序最靠前的实体节点匹配完成的情况下，需要对未被匹配的实体节点中映射顺序最靠前的实体节点，与知识图谱中已经完成匹配的实体节点对应的医疗实体具有映射关系的医疗实体对应的实体节点进行匹配，将所述映射数据组中未被匹配的且映射顺序最靠前的实体节点确定为所述待匹配节点，将所述知识图谱中与完成匹配的医疗实体具有映射关系的医疗实体对应的实体节点确定为所述待匹配图谱节点。
例如，映射数据组中对应的实体节点包括疾病，药物，医院，在对疾病进行匹配完成的情况下，还存在药物和医院未被匹配，并且映射数据组中的医疗实体对应的实体节点的映射顺序为疾病、药物、医院，则将药物确定为待匹配节点，在知识图谱中，与疾病实体节点对应的疾病医疗实体具有映射关系的医疗实体包括药物甲、药物乙和药物丙，则将药物甲、药物乙和药物丙均确定为待匹配图谱节点。
步骤212：将所述待匹配节点与所述待匹配图谱节点进行匹配；
若匹配成功，则返回执行步骤206；
若匹配失败，则执行步骤110。
具体的，在上述确定所述待匹配节点和所述待匹配图谱节点的基础上，进一步的，对所述待匹配节点与所述待匹配图谱节点进行匹配，若匹配成功，说明所述待匹配节点和所述待匹配图谱节点匹配，需要进一步判断所述映射数据组中的包含的医疗实体对应的实体节点是否匹配完成，即为步骤206，基于此进行循环判断所述映射数据组中包含的医疗实体对应的实体节点是否匹配完成，直至在所述映射数据组中包含的医疗实体对应的实体节点匹配结束的情况下，对该项目案件的审核即为结束，在此过程中，若存在所述待匹配节点与所述待匹配图谱节点进行匹配的结果为匹配失败，说明项目成员的项目案件可能存在非正常申请互助的可能，终止后续的匹配过程，执行步骤110。
在对所述待查询案件数据在所述知识图谱中进行匹配的过程中，持续的对所述映射数据组中的医疗实体对应的实体节点进行匹配，直至所述映射数据组中包含的医疗实体对应的实体节点匹配结束，保证了对所述项目案件进行审核的准确性。
步骤110：向所述项目成员发送拒绝对所述项目案件进行互助的提醒信息。
具体的，根据上述将所述待查询案件数据在所述知识图谱中进行匹配的基础上，进一步的，在所述待查询案件数据在所述知识图谱中进行匹配的结果为匹配失败的情况下，说明项目成员提交的医疗数据与实际应用中所应用的医疗数据存在差异，则向所述项目成员发送拒绝对所述项目案件进行互助的提醒信息，所述提醒信息中包含具体的拒绝互助原因以及拒绝互助时间。
例如，项目成员提交的医疗数据为心脏病吃了药物Z，居住了医院S，提取的医疗实体为心脏病、药物Z和医院S，基于医疗实体与知识图谱中的医疗实体进行匹配，确定患有心脏病应该使用药物S或药物B，而项目成员使用了药物Z，说明项目成员的用药记录与正常的使用药物记录存在较大的差异，进而确定该项目成员可能存在非正常申请互助的可能。
本申请提供的一种基于知识图谱的案件审核方法中，通过采用知识图谱的方式对所述项目成员的项目案件进行审核，提高了项目案件的审核效率，减轻了人工审核项目案件的工作量；在通过知识图谱进行项目案件审核的过程中，通过获取项目成员参与互助项目的过程中提交的案件数据，并提取所述案件数据中的医疗数据，通过对所述医疗数据进行处理获得符合知识图谱查询条件的待查询案件数据，将所述待查询案件数据在所述知识图谱中进行查询，能够快速的准确的了解所述项目成员是否存在非正常申请互助的行为，并避免了人工审核项目案件的过程中可能存在的审核不充分的情况。
图3示出了根据本申请一实施例的知识图谱的构建方法的流程图，具体步骤包括步骤302至步骤310。
步骤302：获取医疗数据，并确定所述医疗数据对应的医疗实体。
具体的，构建知识图谱需要至少两个实体以及两个实体之间的关系作为基本单位，才能够构建一个基本的知识图谱；在构建知识图谱的过程中，需要确定具体的要解决的业务问题，根据需要解决的业务问题获取关于该业务的数据。在本申请实施例中，需要解决的问题是从医疗数据上对项目成员的项目案件进行审核，则需要获取医疗数据，并确定所述医疗数据中对应的所述医疗实体。
在上述确定所述医疗数据对应的医疗实体的基础上，进一步，本实施例的一个或多个实施方式中，为了能够使得构建的知识图谱足够庞大，在获取医疗数据的过程中，不仅需要从医疗数据库中进行获取医疗数据，还要从网络等相关位置爬取更多的医疗数据，具体实现方式如下所述：
通过在所述互助项目的医疗数据库中获取结构化医疗数据，并确定所述结构化医疗数据对应的第一医疗实体；
通过对网页中的医疗数据进行爬取，获得非结构化医疗数据；
基于自然语言处理算法对所述非结构化医疗数据进行处理，根据处理结果确定第二医疗实体；
将所述第一医疗实体和所述第二医疗实体进行整合，确定为所述医疗实体。
通过不仅在所述医疗数据库中获取结构化医疗数据对应的医疗实体，还通过在网页中爬取非结构化医疗数据，并对爬取到的非结构医疗数据进行自然语言处理算法对所述非结构化数据进行处理，根据处理结果获得医疗实体，在构建知识图谱的过程中，通过在前期确定足够的医疗实体以及实体间的关系，能够保证构建出的知识图谱足够完整，应用更加方便，识别结果更加准确。
步骤304：根据互助项目的互助范围内包含的项目医疗实体，在所述医疗实体中筛选出与所述项目医疗实体对应的医疗实体，确定为互助医疗实体。
具体的，在上述获取的所述医疗实体，进一步的，所述互助项目构建出的知识图谱在使用的过程中，是为了对互助项目的互助范围内的项目案件进行审核，构建的知识图谱用于审核项目案件，则所需要构建出的知识图谱需要只基于互助范围内的医疗实体构建即可。
在上述确定所述互助医疗实体的基础上，进一步，本实施例的一个或多个实施方式中，确定的所述互助医疗实体中可能存在命名不同但实体为一个医疗实体的情况，基于该种情况，需要对互助医疗实体中的医疗实体进行过滤处理，将同一医疗实体不同命名的医疗实体进行统一，具体实现方式如下所述：
根据所述互助医疗实体对应的医疗数据确定每个互助医疗实体的属性信息；
基于每个互助医疗实体的属性信息判断是否存在属性信息不同且互助医疗实体相同的互助医疗实体；
若是，对存在属性信息不同且互助医疗实体相同的互助医疗实体进行过滤处理，并且，执行所述建立各互助医疗实体之间的映射关系子步骤；
其中，所述建立各互助医疗实体之间的映射关系，包括：
基于所述过滤处理后的互助医疗实体建立所述各互助医疗实体之间的映射关系；
若否，不做任何处理即可。
通过对所述存在属性信息不同且互助医疗实体相同的互助医疗实体进行过滤处理，使得构建的知识图谱的在复杂度降低的情况下，还依旧能够保证互助范围内的医疗实体均体现在知识图谱中，为后续的项目案件审核过程提高了审核效率。
步骤306：建立各互助医疗实体之间的映射关系。
具体的，上述确定所述互助医疗实体，进一步的，根据确定的全部互助医疗实体，建立相关的互助医疗实体支架内的映射关系。
步骤308：对各映射关系中对应的互助医疗实体和所述各互助医疗实体之间的映射关系进行结构化处理，根据结构化处理结果构建知识图谱。
具体的，上述建立各互助医疗实体之间的映射关系，进一步，根据各映射关系和中对应的互助医疗实体和映射关系将所述互助医疗实体对应的医疗数据映射到网络图片中，建立用于对所述项目成员的项目案件进行审核的相关性知识图谱。
在上述构建知识图谱的基础上，进一步，本实施例的一个或多个实施方式中，构建知识图谱的基本单位为三元组，则构建知识图谱的具体实现方式如下所述：
根据所述互助医疗实体以及所述互助医疗实体之间的映射关键确定至少一个三元组；
基于所述至少一个三元组构建所述知识图谱。
在上述构建完成知识图谱的基础上，进一步，本实施例的一个或多个实施方式中，需要将构建完成的知识图谱进行存储，具体实现方式如下所述：
将构建完成的所述知识图谱存储至Neo4j图形数据库。
通过将构建完成的知识图谱存储至所述Neo4j图形数据库，在后续随着互助项目的互助范围增大，知识图谱也需要随着互助项目进行扩展，基于所述Neo4j图形数据库的性能，可以对已经存在Neo4j图形数据库中的知识图谱进行大规模扩展，避免了知识图谱资源的浪费。
步骤310：根据所述各互助医疗实体之间的映射关系，确定所述各互助医疗实体所属种类之间的映射关系，作为在所述知识图谱中进行查询的查询条件。
具体的，根据上述构建的知识图谱，进一步的，在使用知识图谱的过程中，需要为所述知识图谱建立查询条件，通过所述各互助医疗实体之间的映射关系，确定所述各互助医疗实体的所属种类的映射关系，根据所述各互助医疗实体的所属种类的映射关系作为所述知识图谱的查询条件。
参见附图3，对所述知识图谱的构建过程，具体的描述内容可参见上述实施例中的步骤1至步骤5的描述内容，在步骤1至步骤5的描述内容中已经对构建知识图谱的过程进行了详细的描述，本申请在此不在赘述。
本申请提供的一种知识图谱的构建方法中，在获取医疗数据时，不仅通过医疗数据库获取医疗实体，还通过从网页中爬取非结构化医疗数据，经过自然语言处理算法获得医疗实体，实现了后续的构建知识图谱的过程中，保证了知识图谱的丰富度，并且根据获得的医疗实体确定互助医疗实体，再对所述互助医疗实体进行过滤处理，在保证知识图谱覆盖范围大的情况下，降低了知识图谱的复杂程度，使用起来更加便捷，将构建完成的知识图谱存储在Neo4j图形数据库中，可以随着互助项目的发展对知识图谱进行扩展，避免了知识图谱资源的浪费，通过知识图谱对项目案件进行审核，很大程度上提高了对项目案件审核的审核效率，并且减轻了人工审核项目案件的工作量。
下述结合附图4，以本申请提供的基于知识图谱的案件审核方法在互助共济项目中的应用为例，对所述基于知识图谱的案件审核方法进行进一步说明。其中，图4示出了本申请一实施例提供的一种基于知识图谱的案件审核过程的处理流程图，具体步骤包括步骤402至步骤416。
步骤402：获取项目成员U参与互助共济项目过程中提交案件数据，提取案件数据中的医疗数据。
具体的，项目成员U在参与互助共济项目的过程中，发生剐蹭型车祸事故，导致左腿刮伤；
基于此，项目成员U向互助共济项目的项目平台申请互助金，并提交了案件数据，案件数据中包括项目案件发生时间、医疗数据、以及项目成员参与互助共济项目的参与时间，互助共济项目根据项目成员U提交的案件数据提取其中的医疗数据进一步判断项目成员U的项目案件是否属实。
步骤404：根据互助共济项目中的知识图谱的查询条件包含的医疗实体的种类为受伤实体和药物实体，在医疗数据中提取与受伤实体和药物实体对应的互助医疗数据。
具体的，互助共济项目中的知识图谱的查询条件包含的医疗实体的种类为受伤实体和药物实体；
基于此，项目成员U受伤实体为刮伤，在受伤期间，项目成员U擦拭了药物X，药物实体为药物X。
步骤406：根据互助共济项目中的知识图谱的查询条件包含受伤实体和药物实体映射关系，建立刮伤和药物X二者之间的映射关系，将建立映射关系后的互助医疗数据的映射数据组作为待查询案件数据。
具体的，映射数据组为刮伤和药物X，则待查询案件数据为刮伤指向药物X。
步骤408：将待查询案件数据在互助共济项目的知识图谱中进行匹配；若匹配成功，执行步骤410；若匹配失败，执行步骤414。
具体的，待查询案件数据为刮伤和药物X，则先将刮伤在互助共济项目的知识图谱中进行匹配。
步骤410：判断待查询案件数据中的医疗实体是否匹配成功；若是，执行步骤416；若否，执行步骤412。
具体的，在待查询案件数据中的刮伤与互助共济项目的知识图谱中的医疗实体匹配成功的情况下，进一步判断待查询案件数据中的医疗实体是否匹配完成。
步骤412：将待查询案件数据中未被匹配的医疗实体与知识图谱中已经完成匹配的医疗实体具有映射关系的医疗实体进行匹配；若匹配成功，执行步骤416；若匹配失败，执行步骤414。
具体的，在刮伤医疗实体与知识图谱中的医疗实体匹配成功的情况下，说明知识图谱中与刮伤医疗实体匹配的医疗实体也为刮伤，则进一步确定知识图谱中和刮伤医疗实体具有映射关系的医疗实体；
基于此，将药物X医疗实体与知识图谱中和刮伤医疗实体具有映射关系的医疗实体进行匹配。
步骤414：向项目成员U发送拒绝发放互助金的提醒信息。
具体的，在药物X医疗实体与知识图谱中和刮伤医疗实体具有映射关系的医疗实体进行匹配的结果为在匹配失败情况下，说明项目成员U擦拭的药物X不一定是适用于刮伤的药物，项目成员U申请互助金的行为可能存在非正常行为，向项目成员U发送提醒信息，提醒信息中包含拒绝发放互助金的原因。
步骤416：向项目成员U发送发放互助金的提醒信息。
具体的，在药物X医疗实体与知识图谱中和刮伤医疗实体具有映射关系的医疗实体进行匹配的结果为在匹配成功情况下，说明项目成员U擦拭的药物X是适用于刮伤的药物，项目成员U申请互助金的行为是正常行为，向项目成员U发送提醒信息，提醒信息中包含具体发放互助金时间。
本申请提供的基于知识图谱的案件审核过程中，通过采用知识图谱的方式对项目成员U的项目案件进行审核，提高了项目案件的审核效率，减轻了人工审核项目案件的工作量；在通过知识图谱进行项目案件审核的过程中，通过获取项目成员U参与互助项目的过程中提交的案件数据，并提取案件数据中的医疗数据，通过对医疗数据进行处理获得符合知识图谱查询条件的待查询案件数据，将待查询案件数据在知识图谱中进行查询，能够快速的准确的了解项目成员U是否存在非正常申请互助的行为，并避免了人工审核项目案件的过程中可能存在的审核不充分的情况。
与上述方法实施例相对应，本申请还提供了基于知识图谱的案件审核装置实施例，图5示出了本申请一实施例的基于知识图谱的案件审核装置的结构示意图。如图5所示，该装置包括：
获取案件数据模块502，被配置为获取项目成员参与互助项目过程中提交的项目案件的案件数据，并提取所述案件数据中包含的医疗数据；
提取互助医疗数据模块504，被配置为根据知识图谱查询条件包含的医疗实体的种类，在所述医疗数据中提取与所述医疗实体的种类对应的互助医疗数据；
建立映射关系模块506，被配置为根据所述知识图谱查询条件包含的所述医疗实体的种类之间的映射关系，建立所述互助医疗数据的映射关系，将建立映射关系后的所述互助医疗数据的映射数据组作为待查询案件数据；
匹配模块508，被配置为根据所述待查询案件数据在所述知识图谱中进行匹配；
若匹配失败，运行发送提醒信息模块510；
所述发送提醒信息模块510，被配置为向所述项目成员发送拒绝对所述项目案件进行互助的提醒信息。
一个可选的实施例中，所述匹配模块508，包括：
获取映射顺序单元，被配置为获取所述映射数据组中包含的医疗实体对应的实体节点以及所述实体节点的映射顺序；
第一匹配单元，被配置为将映射顺序最靠前的实体节点与所述知识图谱中的医疗实体对应的实体节点进行匹配；
若匹配失败，运行所述发送提醒信息模块510；
若匹配成功，运行判断单元；
所述判断单元，被配置为判断所述映射数据组中的包含的医疗实体对应的实体节点是否匹配完成；
若是，运行发送提醒信息单元；
所述发送提醒信息单元，被配置为向所述项目成员发送针对所述项目案件进行互助的提醒信息；
若否，运行确定单元；
所述确定单元，被配置为将所述映射数据组中包含的未匹配并映射顺序最靠前的实体节点作为待匹配节点，以及将所述知识图谱中与完成匹配的医疗实体具有映射关系的医疗实体对应的实体节点作为待匹配图谱节点；
第二匹配单元，被配置为将所述待匹配节点与所述待匹配图谱节点进行匹配；
若匹配成功，返回运行所述判断单元；
若匹配失败，运行所述发送提醒信息模块510。
一个可选的实施例中，若所述匹配模块508的匹配结果为匹配成功的情况下，则运行如下模块：
发送互助提醒信息模块，被配置为向所述项目成员发送针对所述项目案件进行互助的提醒信息；
确定类型模块，被配置为根据所述项目案件的案件数据确定所述项目案件的所属类型；
邀请模块，被配置为邀请所述互助项目中与所述项目案件的所属类型匹配的项目审核组对所述项目案件进行审核。
一个可选的实施例中，知识图谱的构建模块，包括：
获取医疗实体单元，被配置为获取医疗数据，并确定所述医疗数据对应的医疗实体；
确定互助医疗实体单元，被配置为根据所述互助项目的互助范围内包含的项目医疗实体，在所述医疗实体中筛选出与所述项目医疗实体对应的医疗实体，确定为互助医疗实体；
建立映射关系单元，被配置为建立各互助医疗实体之间的映射关系；
构建知识图谱单元，被配置为对各映射关系中对应的互助医疗实体和所述各互助医疗实体之间的映射关系进行结构化处理，根据结构化处理结果构建知识图谱；
确定查询条件单元，被配置为根据所述各互助医疗实体之间的映射关系，确定所述各互助医疗实体所属种类之间的映射关系，作为在所述知识图谱中进行查询的查询条件。
一个可选的实施例中，所述获取医疗实体单元，包括：
确定医疗实体子单元，被配置为通过在所述互助项目的医疗数据库中获取结构化医疗数据，并确定所述结构化医疗数据对应的第一医疗实体；
爬取子单元，被配置为通过对网页中的医疗数据进行爬取，获得非结构化医疗数据；
自然语言处理子单元，被配置为基于自然语言处理算法对所述非结构化医疗数据进行处理，根据处理结果确定第二医疗实体；
整合子单元，被配置为将所述第一医疗实体和所述第二医疗实体进行整合，确定为所述医疗实体。
一个可选的实施例中，所述构建知识图谱单元，包括：
确定三元组子单元，被配置为根据所述互助医疗实体以及所述互助医疗实体之间的映射关键确定至少一个三元组；
构建知识图谱子单元，被配置为基于所述至少一个三元组构建所述知识图谱。
一个可选的实施例中，所述知识图谱的构建模块，包括：
确定属性信息单元，被配置为根据所述互助医疗实体对应的医疗数据确定每个互助医疗实体的属性信息；
判断属性信息单元，被配置为基于每个互助医疗实体的属性信息判断是否存在属性信息不同且互助医疗实体相同的互助医疗实体；
若是，对存在属性信息不同且互助医疗实体相同的互助医疗实体进行过滤处理，并且，运行所述建立映射关系单元；
其中，所述建立映射关系单元进一步被配置为：
基于所述过滤处理后的互助医疗实体建立所述各互助医疗实体之间的映射关系。
一个可选的实施例中，所述构建知识图谱单元进一步被配置为：
将构建完成的所述知识图谱存储至Neo4j图形数据库。
本申请提供的基于知识图谱的案件审核装置中，通过采用知识图谱的方式对所述项目成员的项目案件进行审核，提高了项目案件的审核效率，减轻了人工审核项目案件的工作量；在通过知识图谱进行项目案件审核的过程中，通过获取项目成员参与互助项目的过程中提交的案件数据，并提取所述案件数据中的医疗数据，通过对所述医疗数据进行处理获得符合知识图谱查询条件的待查询案件数据，将所述待查询案件数据在所述知识图谱中进行查询，能够快速的准确的了解所述项目成员是否存在非正常申请互助的行为，并避免了人工审核项目案件的过程中可能存在的审核不充分的情况。
上述为本实施例的一种基于知识图谱的案件审核装置的示意性方案。需要说明的是，该基于知识图谱的案件审核装置的技术方案与上述的基于知识图谱的案件审核方法的技术方案属于同一构思，基于知识图谱的案件审核装置的技术方案未详细描述的细节内容，均可以参见上述基于知识图谱的案件审核方法的技术方案的描述。
与上述方法实施例相对应，本申请还提供了知识图谱的构建装置实施例，图6示出了本申请一实施例的知识图谱的构建装置的结构示意图。如图6所示，该装置包括：
获取医疗数据模块602，被配置为获取医疗数据，并确定所述医疗数据对应的医疗实体；
确定互助医疗实体模块604，被配置为根据互助项目的互助范围内包含的项目医疗实体，在所述医疗实体中筛选出与所述项目医疗实体对应的医疗实体，确定为互助医疗实体；
建立映射关系模块606，被配置为建立各互助医疗实体之间的映射关系；
构建知识图谱模块608，被配置为对各映射关系中对应的互助医疗实体和所述各互助医疗实体之间的映射关系进行结构化处理，根据结构化处理结果构建知识图谱；
确定查询条件模块610，被配置为根据所述各互助医疗实体之间的映射关系，确定所述各互助医疗实体所属种类之间的映射关系，作为在所述知识图谱中进行查询的查询条件。
一个可选的实施例中，所述获取医疗数据模块602，包括：
确定医疗实体单元，被配置为通过在所述互助项目的医疗数据库中获取结构化医疗数据，并确定所述结构化医疗数据对应的第一医疗实体；
爬取单元，被配置为通过对网页中的医疗数据进行爬取，获得非结构化医疗数据；
自然语言处理单元，被配置为基于自然语言处理算法对所述非结构化医疗数据进行处理，根据处理结果确定第二医疗实体；
整合单元，被配置为将所述第一医疗实体和所述第二医疗实体进行整合，确定为所述医疗实体。
一个可选的实施例中，所述构建知识图谱模块608，包括：
确定三元组单元，被配置为根据所述互助医疗实体以及所述互助医疗实体之间的映射关键确定至少一个三元组；
构建知识图谱单元，被配置为基于所述至少一个三元组构建所述知识图谱。
一个可选的实施例中，所述知识图谱的构建装置，包括：
确定属性信息模块，被配置为根据所述互助医疗实体对应的医疗数据确定每个互助医疗实体的属性信息；
判断属性信息模块，被配置为基于每个互助医疗实体的属性信息判断是否存在属性信息不同且互助医疗实体相同的互助医疗实体；
若是，对存在属性信息不同且互助医疗实体相同的互助医疗实体进行过滤处理，并且，运行所述建立映射关系模块606；
其中，所述建立映射关系模块606进一步被配置为：
基于所述过滤处理后的互助医疗实体建立所述各互助医疗实体之间的映射关系。
一个可选的实施例中，所述构建知识图谱模块608进一步被配置为：
将构建完成的所述知识图谱存储至Neo4j图形数据库。
本申请提供的知识图谱的构建装置中，在获取医疗数据时，不仅通过医疗数据库获取医疗实体，还通过从网页中爬取非结构化医疗数据，经过自然语言处理算法获得医疗实体，实现了后续的构建知识图谱的过程中，保证了知识图谱的丰富度，并且根据获得的医疗实体确定互助医疗实体，再对所述互助医疗实体进行过滤处理，在保证知识图谱覆盖范围大的情况下，降低了知识图谱的复杂程度，使用起来更加便捷，将构建完成的知识图谱存储在Neo4j图形数据库中，可以随着互助项目的发展对知识图谱进行扩展，避免了知识图谱资源的浪费，通过知识图谱对项目案件进行审核，很大程度上提高了对项目案件审核的审核效率，并且减轻了人工审核项目案件的工作量。
上述为本实施例的一种知识图谱的构建装置的示意性方案。需要说明的是，该知识图谱的构建装置的技术方案与上述的知识图谱的构建方法的技术方案属于同一构思，知识图谱的构建装置的技术方案未详细描述的细节内容，均可以参见上述知识图谱的构建方法的技术方案的描述。
图7示出了根据本申请一实施例的电子设备700的结构框图。该电子设备700的部件包括但不限于存储器710和处理器720。处理器720与存储器710通过总线730相连接，数据库750用于保存数据。
电子设备700还包括接入设备740，接入设备740使得电子设备700能够经由一个或多个网络760通信。这些网络的示例包括公用交换电话网(PSTN)、局域网(LAN)、广域网(WAN)、个域网(PAN)或诸如因特网的通信网络的组合。接入设备740可以包括有线或无线的任何类型的网络接口(例如，网络接口卡(NIC))中的一个或多个，诸如IEEE802.11无线局域网(WLAN)无线接口、全球微波互联接入(Wi-MAX)接口、以太网接口、通用串行总线(USB)接口、蜂窝网络接口、蓝牙接口、近场通信(NFC)接口，等等。
在本申请的一个实施例中，电子设备700的上述以及图7中未示出的其他部件也可以彼此相连接，例如通过总线。应当理解，图7所示的电子设备结构框图仅仅是出于示例的目的，而不是对本申请范围的限制。本领域技术人员可以根据需要，增添或替换其他部件。
电子设备700可以是任何类型的静止或移动电子设备，包括移动计算机或移动电子设备(例如，平板计算机、个人数字助理、膝上型计算机、笔记本计算机、上网本等)、移动电话(例如，智能手机)、可佩戴的电子设备(例如，智能手表、智能眼镜等)或其他类型的移动设备，或者诸如台式计算机或PC的静止电子设备。电子设备700还可以是移动式或静止式的服务器。
其中，处理器720用于执行如下计算机可执行指令：
获取项目成员参与互助项目过程中提交的项目案件的案件数据，并提取所述案件数据中包含的医疗数据；
根据知识图谱查询条件包含的医疗实体的种类，在所述医疗数据中提取与所述医疗实体的种类对应的互助医疗数据；
根据所述知识图谱查询条件包含的所述医疗实体的种类之间的映射关系，建立所述互助医疗数据的映射关系，将建立映射关系后的所述互助医疗数据的映射数据组作为待查询案件数据；
根据所述待查询案件数据在所述知识图谱中进行匹配；
若匹配失败，向所述项目成员发送拒绝对所述项目案件进行互助的提醒信息。
可选的，所述根据所述待查询案件数据在所述知识图谱中进行匹配，包括：
获取所述映射数据组中包含的医疗实体对应的实体节点以及所述实体节点的映射顺序；
将映射顺序最靠前的实体节点与所述知识图谱中的医疗实体对应的实体节点进行匹配；
若匹配失败，执行所述向所述项目成员发送拒绝对所述项目案件进行互助的提醒信息步骤；
若匹配成功，判断所述映射数据组中的包含的医疗实体对应的实体节点是否匹配完成；
若是，向所述项目成员发送针对所述项目案件进行互助的提醒信息；
若否，将所述映射数据组中包含的未匹配并映射顺序最靠前的实体节点作为待匹配节点，以及将所述知识图谱中与完成匹配的医疗实体具有映射关系的医疗实体对应的实体节点作为待匹配图谱节点；
将所述待匹配节点与所述待匹配图谱节点进行匹配；
若匹配成功，返回执行所述判断所述映射数据组中的包含的医疗实体对应的实体节点是否匹配完成子步骤；
若匹配失败，执行所述向所述项目成员发送拒绝对所述项目案件进行互助的提醒信息步骤。
可选的，若所述根据所述待查询案件数据在所述知识图谱中进行匹配的匹配结果为匹配成功的情况下，则执行如下步骤：
向所述项目成员发送针对所述项目案件进行互助的提醒信息；
根据所述项目案件的案件数据确定所述项目案件的所属类型；
邀请所述互助项目中与所述项目案件的所属类型匹配的项目审核组对所述项目案件进行审核。
可选的，所述知识图谱的构建过程，包括：
获取医疗数据，并确定所述医疗数据对应的医疗实体；
根据所述互助项目的互助范围内包含的项目医疗实体，在所述医疗实体中筛选出与所述项目医疗实体对应的医疗实体，确定为互助医疗实体；
建立各互助医疗实体之间的映射关系；
对各映射关系中对应的互助医疗实体和所述各互助医疗实体之间的映射关系进行结构化处理，根据结构化处理结果构建知识图谱；
根据所述各互助医疗实体之间的映射关系，确定所述各互助医疗实体所属种类之间的映射关系，作为在所述知识图谱中进行查询的查询条件。
可选的，所述获取医疗数据，并确定所述医疗数据对应的医疗实体，包括：
通过在所述互助项目的医疗数据库中获取结构化医疗数据，并确定所述结构化医疗数据对应的第一医疗实体；
通过对网页中的医疗数据进行爬取，获得非结构化医疗数据；
基于自然语言处理算法对所述非结构化医疗数据进行处理，根据处理结果确定第二医疗实体；
将所述第一医疗实体和所述第二医疗实体进行整合，确定为所述医疗实体。
可选的，所述对各映射关系中对应的互助医疗实体和所述各互助医疗实体之间的映射关系进行结构化处理，根据结构化处理结果构建知识图谱，包括：
根据所述互助医疗实体以及所述互助医疗实体之间的映射关键确定至少一个三元组；
基于所述至少一个三元组构建所述知识图谱。
可选的，所述根据所述互助项目的互助范围内包含的项目医疗实体，在所述医疗实体中筛选出与所述项目医疗实体对应的医疗实体，确定为互助医疗实体子步骤执行之后，还包括：
根据所述互助医疗实体对应的医疗数据确定每个互助医疗实体的属性信息；
基于每个互助医疗实体的属性信息判断是否存在属性信息不同且互助医疗实体相同的互助医疗实体；
若是，对存在属性信息不同且互助医疗实体相同的互助医疗实体进行过滤处理，并且，执行所述建立各互助医疗实体之间的映射关系子步骤；
其中，所述建立各互助医疗实体之间的映射关系，包括：
基于所述过滤处理后的互助医疗实体建立所述各互助医疗实体之间的映射关系。
可选的，所述对各映射关系中对应的互助医疗实体和所述各互助医疗实体之间的映射关系进行结构化处理，根据结构化处理结果构建知识图谱子步骤执行之后，还包括：
将构建完成的所述知识图谱存储至Neo4j图形数据库。
上述为本实施例的第一种电子设备的示意性方案。需要说明的是，该电子设备的技术方案与上述的基于知识图谱的案件审核方法的技术方案属于同一构思，电子设备的技术方案未详细描述的细节内容，均可以参见上述基于知识图谱的案件审核方法的技术方案的描述。
图8示出了根据本申请一实施例的电子设备800的结构框图。该电子设备800的部件包括但不限于存储器810和处理器820。处理器820与存储器810通过总线830相连接，数据库850用于保存数据，具体接入方式和内容参见电子设备700即可，本申请在此不在赘述。
其中，处理器820还用于执行如下计算机可执行指令：
获取医疗数据，并确定所述医疗数据对应的医疗实体；
根据互助项目的互助范围内包含的项目医疗实体，在所述医疗实体中筛选出与所述项目医疗实体对应的医疗实体，确定为互助医疗实体；
建立各互助医疗实体之间的映射关系；
对各映射关系中对应的互助医疗实体和所述各互助医疗实体之间的映射关系进行结构化处理，根据结构化处理结果构建知识图谱；
根据所述各互助医疗实体之间的映射关系，确定所述各互助医疗实体所属种类之间的映射关系，作为在所述知识图谱中进行查询的查询条件。
可选的，所述获取医疗数据，并确定所述医疗数据对应的医疗实体，包括：
通过在所述互助项目的医疗数据库中获取结构化医疗数据，并确定所述结构化医疗数据对应的第一医疗实体；
通过对网页中的医疗数据进行爬取，获得非结构化医疗数据；
基于自然语言处理算法对所述非结构化医疗数据进行处理，根据处理结果确定第二医疗实体；
将所述第一医疗实体和所述第二医疗实体进行整合，确定为所述医疗实体。
可选的，所述对各映射关系中对应的互助医疗实体和所述各互助医疗实体之间的映射关系进行结构化处理，根据结构化处理结果构建知识图谱，包括：
根据所述互助医疗实体以及所述互助医疗实体之间的映射关键确定至少一个三元组；
基于所述至少一个三元组构建所述知识图谱。
可选的，所述根据互助项目的互助范围内包含的项目医疗实体，在所述医疗实体中筛选出与所述项目医疗实体对应的医疗实体，确定为互助医疗实体步骤执行之后，还包括：
根据所述互助医疗实体对应的医疗数据确定每个互助医疗实体的属性信息；
基于每个互助医疗实体的属性信息判断是否存在属性信息不同且互助医疗实体相同的互助医疗实体；
若是，对存在属性信息不同且互助医疗实体相同的互助医疗实体进行过滤处理，并且，执行所述建立各互助医疗实体之间的映射关系子步骤；
其中，所述建立各互助医疗实体之间的映射关系，包括：
基于所述过滤处理后的互助医疗实体建立所述各互助医疗实体之间的映射关系。
可选的，所述对各映射关系中对应的互助医疗实体和所述各互助医疗实体之间的映射关系进行结构化处理，根据结构化处理结果构建知识图谱步骤执行之后，还包括：
将构建完成的所述知识图谱存储至Neo4j图形数据库。
上述为本实施例的第二种电子设备的示意性方案。需要说明的是，该电子设备的技术方案与上述的知识图谱的构建方法的技术方案属于同一构思，电子设备的技术方案未详细描述的细节内容，均可以参见上述知识图谱的构建方法的技术方案的描述。
本申请一实施例还提供一种计算机可读存储介质，其存储有计算机指令，该指令被处理器执行时实现如前所述基于知识图谱的案件审核方法的步骤。
其中，计算机可读存储介质存储如下计算机指令：
获取项目成员参与互助项目过程中提交的项目案件的案件数据，并提取所述案件数据中包含的医疗数据；
根据知识图谱查询条件包含的医疗实体的种类，在所述医疗数据中提取与所述医疗实体的种类对应的互助医疗数据；
根据所述知识图谱查询条件包含的所述医疗实体的种类之间的映射关系，建立所述互助医疗数据的映射关系，将建立映射关系后的所述互助医疗数据的映射数据组作为待查询案件数据；
根据所述待查询案件数据在所述知识图谱中进行匹配；
若匹配失败，向所述项目成员发送拒绝对所述项目案件进行互助的提醒信息。
可选的，所述根据所述待查询案件数据在所述知识图谱中进行匹配，包括：
获取所述映射数据组中包含的医疗实体对应的实体节点以及所述实体节点的映射顺序；
将映射顺序最靠前的实体节点与所述知识图谱中的医疗实体对应的实体节点进行匹配；
若匹配失败，执行所述向所述项目成员发送拒绝对所述项目案件进行互助的提醒信息步骤；
若匹配成功，判断所述映射数据组中的包含的医疗实体对应的实体节点是否匹配完成；
若是，向所述项目成员发送针对所述项目案件进行互助的提醒信息；
若否，将所述映射数据组中包含的未匹配并映射顺序最靠前的实体节点作为待匹配节点，以及将所述知识图谱中与完成匹配的医疗实体具有映射关系的医疗实体对应的实体节点作为待匹配图谱节点；
将所述待匹配节点与所述待匹配图谱节点进行匹配；
若匹配成功，返回执行所述判断所述映射数据组中的包含的医疗实体对应的实体节点是否匹配完成子步骤；
若匹配失败，执行所述向所述项目成员发送拒绝对所述项目案件进行互助的提醒信息步骤。
可选的，若所述根据所述待查询案件数据在所述知识图谱中进行匹配的匹配结果为匹配成功的情况下，则执行如下步骤：
向所述项目成员发送针对所述项目案件进行互助的提醒信息；
根据所述项目案件的案件数据确定所述项目案件的所属类型；
邀请所述互助项目中与所述项目案件的所属类型匹配的项目审核组对所述项目案件进行审核。
可选的，所述知识图谱的构建过程，包括：
获取医疗数据，并确定所述医疗数据对应的医疗实体；
根据所述互助项目的互助范围内包含的项目医疗实体，在所述医疗实体中筛选出与所述项目医疗实体对应的医疗实体，确定为互助医疗实体；
建立各互助医疗实体之间的映射关系；
对各映射关系中对应的互助医疗实体和所述各互助医疗实体之间的映射关系进行结构化处理，根据结构化处理结果构建知识图谱；
根据所述各互助医疗实体之间的映射关系，确定所述各互助医疗实体所属种类之间的映射关系，作为在所述知识图谱中进行查询的查询条件。
可选的，所述获取医疗数据，并确定所述医疗数据对应的医疗实体，包括：
通过在所述互助项目的医疗数据库中获取结构化医疗数据，并确定所述结构化医疗数据对应的第一医疗实体；
通过对网页中的医疗数据进行爬取，获得非结构化医疗数据；
基于自然语言处理算法对所述非结构化医疗数据进行处理，根据处理结果确定第二医疗实体；
将所述第一医疗实体和所述第二医疗实体进行整合，确定为所述医疗实体。
可选的，所述对各映射关系中对应的互助医疗实体和所述各互助医疗实体之间的映射关系进行结构化处理，根据结构化处理结果构建知识图谱，包括：
根据所述互助医疗实体以及所述互助医疗实体之间的映射关键确定至少一个三元组；
基于所述至少一个三元组构建所述知识图谱。
可选的，所述根据所述互助项目的互助范围内包含的项目医疗实体，在所述医疗实体中筛选出与所述项目医疗实体对应的医疗实体，确定为互助医疗实体子步骤执行之后，还包括：
根据所述互助医疗实体对应的医疗数据确定每个互助医疗实体的属性信息；
基于每个互助医疗实体的属性信息判断是否存在属性信息不同且互助医疗实体相同的互助医疗实体；
若是，对存在属性信息不同且互助医疗实体相同的互助医疗实体进行过滤处理，并且，执行所述建立各互助医疗实体之间的映射关系子步骤；
其中，所述建立各互助医疗实体之间的映射关系，包括：
基于所述过滤处理后的互助医疗实体建立所述各互助医疗实体之间的映射关系。
可选的，所述对各映射关系中对应的互助医疗实体和所述各互助医疗实体之间的映射关系进行结构化处理，根据结构化处理结果构建知识图谱子步骤执行之后，还包括：
将构建完成的所述知识图谱存储至Neo4j图形数据库。
上述为本实施例的一种计算机可读存储介质的示意性方案。需要说明的是，该存储介质的技术方案与上述的基于知识图谱的案件审核方法的技术方案属于同一构思，存储介质的技术方案未详细描述的细节内容，均可以参见上述基于知识图谱的案件审核方法的技术方案的描述。
本申请一实施例还提供另外一种计算机可读存储介质，其存储有计算机指令，该指令被处理器执行时实现如前所述知识图谱的构建方法的步骤。
其中，计算机可读存储介质存储如下计算机指令：
获取医疗数据，并确定所述医疗数据对应的医疗实体；
根据互助项目的互助范围内包含的项目医疗实体，在所述医疗实体中筛选出与所述项目医疗实体对应的医疗实体，确定为互助医疗实体；
建立各互助医疗实体之间的映射关系；
对各映射关系中对应的互助医疗实体和所述各互助医疗实体之间的映射关系进行结构化处理，根据结构化处理结果构建知识图谱；
根据所述各互助医疗实体之间的映射关系，确定所述各互助医疗实体所属种类之间的映射关系，作为在所述知识图谱中进行查询的查询条件。
可选的，所述获取医疗数据，并确定所述医疗数据对应的医疗实体，包括：
通过在所述互助项目的医疗数据库中获取结构化医疗数据，并确定所述结构化医疗数据对应的第一医疗实体；
通过对网页中的医疗数据进行爬取，获得非结构化医疗数据；
基于自然语言处理算法对所述非结构化医疗数据进行处理，根据处理结果确定第二医疗实体；
将所述第一医疗实体和所述第二医疗实体进行整合，确定为所述医疗实体。
可选的，所述对各映射关系中对应的互助医疗实体和所述各互助医疗实体之间的映射关系进行结构化处理，根据结构化处理结果构建知识图谱，包括：
根据所述互助医疗实体以及所述互助医疗实体之间的映射关键确定至少一个三元组；
基于所述至少一个三元组构建所述知识图谱。
可选的，所述根据互助项目的互助范围内包含的项目医疗实体，在所述医疗实体中筛选出与所述项目医疗实体对应的医疗实体，确定为互助医疗实体步骤执行之后，还包括：
根据所述互助医疗实体对应的医疗数据确定每个互助医疗实体的属性信息；
基于每个互助医疗实体的属性信息判断是否存在属性信息不同且互助医疗实体相同的互助医疗实体；
若是，对存在属性信息不同且互助医疗实体相同的互助医疗实体进行过滤处理，并且，执行所述建立各互助医疗实体之间的映射关系子步骤；
其中，所述建立各互助医疗实体之间的映射关系，包括：
基于所述过滤处理后的互助医疗实体建立所述各互助医疗实体之间的映射关系。
可选的，所述对各映射关系中对应的互助医疗实体和所述各互助医疗实体之间的映射关系进行结构化处理，根据结构化处理结果构建知识图谱步骤执行之后，还包括：
将构建完成的所述知识图谱存储至Neo4j图形数据库。
上述为本实施例的另外一种计算机可读存储介质的示意性方案。需要说明的是，该存储介质的技术方案与上述的知识图谱的构建方法的技术方案属于同一构思，存储介质的技术方案未详细描述的细节内容，均可以参见上述知识图谱的构建方法的技术方案的描述。
上述对本申请特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
所述计算机指令包括计算机程序代码，所述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。所述计算机可读介质可以包括：能够携带所述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(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述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。
需要说明的是，对于前述的各方法实施例，为了简便描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其它顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定都是本申请所必须的。
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的部分，可以参见其它实施例的相关描述。
以上公开的本申请优选实施例只是用于帮助阐述本申请。可选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本申请的内容，可作很多的修改和变化。本申请选取并具体描述这些实施例，是为了更好地解释本申请的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本申请。本申请仅受权利要求书及其全部范围和等效物的限制。

Claims (18)

1.一种基于知识图谱的案件审核方法，其特征在于，包括：
获取项目成员参与互助项目过程中提交的项目案件的案件数据，并提取所述案件数据中包含的医疗数据；
根据知识图谱查询条件包含的医疗实体的种类，在所述医疗数据中提取与所述医疗实体的种类对应的互助医疗数据；
根据所述知识图谱查询条件包含的所述医疗实体的种类之间的映射关系，建立所述互助医疗数据的映射关系，将建立映射关系后的所述互助医疗数据的映射数据组作为待查询案件数据；
根据所述待查询案件数据在所述知识图谱中进行匹配；
若匹配失败，向所述项目成员发送拒绝对所述项目案件进行互助的提醒信息。
2.根据权利要求1所述的方法，其特征在于，所述根据所述待查询案件数据在所述知识图谱中进行匹配，包括：
获取所述映射数据组中包含的医疗实体对应的实体节点以及所述实体节点的映射顺序；
将映射顺序最靠前的实体节点与所述知识图谱中的医疗实体对应的实体节点进行匹配；
若匹配失败，执行所述向所述项目成员发送拒绝对所述项目案件进行互助的提醒信息步骤；
若匹配成功，判断所述映射数据组中的包含的医疗实体对应的实体节点是否匹配完成；
若是，向所述项目成员发送针对所述项目案件进行互助的提醒信息；
若否，将所述映射数据组中包含的未匹配并映射顺序最靠前的实体节点作为待匹配节点，以及将所述知识图谱中与完成匹配的医疗实体具有映射关系的医疗实体对应的实体节点作为待匹配图谱节点；
将所述待匹配节点与所述待匹配图谱节点进行匹配；
若匹配成功，返回执行所述判断所述映射数据组中的包含的医疗实体对应的实体节点是否匹配完成子步骤；
若匹配失败，执行所述向所述项目成员发送拒绝对所述项目案件进行互助的提醒信息步骤。
3.根据权利要求1所述的方法，其特征在于，若所述根据所述待查询案件数据在所述知识图谱中进行匹配的匹配结果为匹配成功的情况下，则执行如下步骤：
向所述项目成员发送针对所述项目案件进行互助的提醒信息；
根据所述项目案件的案件数据确定所述项目案件的所属类型；
邀请所述互助项目中与所述项目案件的所属类型匹配的项目审核组对所述项目案件进行审核。
4.根据权利要求1所述的方法，其特征在于，所述知识图谱的构建过程，包括：
获取医疗数据，并确定所述医疗数据对应的医疗实体；
根据所述互助项目的互助范围内包含的项目医疗实体，在所述医疗实体中筛选出与所述项目医疗实体对应的医疗实体，确定为互助医疗实体；
建立各互助医疗实体之间的映射关系；
对各映射关系中对应的互助医疗实体和所述各互助医疗实体之间的映射关系进行结构化处理，根据结构化处理结果构建知识图谱；
根据所述各互助医疗实体之间的映射关系，确定所述各互助医疗实体所属种类之间的映射关系，作为在所述知识图谱中进行查询的查询条件。
5.根据权利要求4所述的方法，其特征在于，所述获取医疗数据，并确定所述医疗数据对应的医疗实体，包括：
通过在所述互助项目的医疗数据库中获取结构化医疗数据，并确定所述结构化医疗数据对应的第一医疗实体；
通过对网页中的医疗数据进行爬取，获得非结构化医疗数据；
基于自然语言处理算法对所述非结构化医疗数据进行处理，根据处理结果确定第二医疗实体；
将所述第一医疗实体和所述第二医疗实体进行整合，确定为所述医疗实体。
6.根据权利要求4所述的方法，其特征在于，所述对各映射关系中对应的互助医疗实体和所述各互助医疗实体之间的映射关系进行结构化处理，根据结构化处理结果构建知识图谱，包括：
根据所述互助医疗实体以及所述互助医疗实体之间的映射关键确定至少一个三元组；
基于所述至少一个三元组构建所述知识图谱。
7.根据权利要求4所述的方法，其特征在于，所述根据所述互助项目的互助范围内包含的项目医疗实体，在所述医疗实体中筛选出与所述项目医疗实体对应的医疗实体，确定为互助医疗实体子步骤执行之后，还包括：
根据所述互助医疗实体对应的医疗数据确定每个互助医疗实体的属性信息；
基于每个互助医疗实体的属性信息判断是否存在属性信息不同且互助医疗实体相同的互助医疗实体；
若是，对存在属性信息不同且互助医疗实体相同的互助医疗实体进行过滤处理，并且，执行所述建立各互助医疗实体之间的映射关系子步骤；
其中，所述建立各互助医疗实体之间的映射关系，包括：
基于所述过滤处理后的互助医疗实体建立所述各互助医疗实体之间的映射关系。
8.根据权利要求4所述的方法，其特征在于，所述对各映射关系中对应的互助医疗实体和所述各互助医疗实体之间的映射关系进行结构化处理，根据结构化处理结果构建知识图谱子步骤执行之后，还包括：
将构建完成的所述知识图谱存储至Neo4j图形数据库。
9.一种知识图谱的构建方法，其特征在于，包括：
获取医疗数据，并确定所述医疗数据对应的医疗实体；
根据互助项目的互助范围内包含的项目医疗实体，在所述医疗实体中筛选出与所述项目医疗实体对应的医疗实体，确定为互助医疗实体；
建立各互助医疗实体之间的映射关系；
对各映射关系中对应的互助医疗实体和所述各互助医疗实体之间的映射关系进行结构化处理，根据结构化处理结果构建知识图谱；
根据所述各互助医疗实体之间的映射关系，确定所述各互助医疗实体所属种类之间的映射关系，作为在所述知识图谱中进行查询的查询条件。
10.根据权利要求9所述的方法，其特征在于，所述获取医疗数据，并确定所述医疗数据对应的医疗实体，包括：
通过在所述互助项目的医疗数据库中获取结构化医疗数据，并确定所述结构化医疗数据对应的第一医疗实体；
通过对网页中的医疗数据进行爬取，获得非结构化医疗数据；
基于自然语言处理算法对所述非结构化医疗数据进行处理，根据处理结果确定第二医疗实体；
将所述第一医疗实体和所述第二医疗实体进行整合，确定为所述医疗实体。
11.根据权利要求9所述的方法，其特征在于，所述对各映射关系中对应的互助医疗实体和所述各互助医疗实体之间的映射关系进行结构化处理，根据结构化处理结果构建知识图谱，包括：
根据所述互助医疗实体以及所述互助医疗实体之间的映射关键确定至少一个三元组；
基于所述至少一个三元组构建所述知识图谱。
12.根据权利要求9所述的方法，其特征在于，所述根据互助项目的互助范围内包含的项目医疗实体，在所述医疗实体中筛选出与所述项目医疗实体对应的医疗实体，确定为互助医疗实体步骤执行之后，还包括：
根据所述互助医疗实体对应的医疗数据确定每个互助医疗实体的属性信息；
基于每个互助医疗实体的属性信息判断是否存在属性信息不同且互助医疗实体相同的互助医疗实体；
若是，对存在属性信息不同且互助医疗实体相同的互助医疗实体进行过滤处理，并且，执行所述建立各互助医疗实体之间的映射关系子步骤；
其中，所述建立各互助医疗实体之间的映射关系，包括：
基于所述过滤处理后的互助医疗实体建立所述各互助医疗实体之间的映射关系。
13.根据权利要求9所述的方法，其特征在于，所述对各映射关系中对应的互助医疗实体和所述各互助医疗实体之间的映射关系进行结构化处理，根据结构化处理结果构建知识图谱步骤执行之后，还包括：
将构建完成的所述知识图谱存储至Neo4j图形数据库。
14.一种基于知识图谱的案件审核装置，其特征在于，包括：
获取案件数据模块，被配置为获取项目成员参与互助项目过程中提交的项目案件的案件数据，并提取所述案件数据中包含的医疗数据；
提取互助医疗数据模块，被配置为根据知识图谱查询条件包含的医疗实体的种类，在所述医疗数据中提取与所述医疗实体的种类对应的互助医疗数据；
建立映射关系模块，被配置为根据所述知识图谱查询条件包含的所述医疗实体的种类之间的映射关系，建立所述互助医疗数据的映射关系，将建立映射关系后的所述互助医疗数据的映射数据组作为待查询案件数据；
匹配模块，被配置为根据所述待查询案件数据在所述知识图谱中进行匹配；
若匹配失败，运行发送提醒信息模块；
所述发送提醒信息模块，被配置为向所述项目成员发送拒绝对所述项目案件进行互助的提醒信息。
15.一种知识图谱的构建装置，其特征在于，包括：
获取医疗数据模块，被配置为获取医疗数据，并确定所述医疗数据对应的医疗实体；
确定互助医疗实体模块，被配置为根据互助项目的互助范围内包含的项目医疗实体，在所述医疗实体中筛选出与所述项目医疗实体对应的医疗实体，确定为互助医疗实体；
建立映射关系模块，被配置为建立各互助医疗实体之间的映射关系；
构建知识图谱模块，被配置为对各映射关系中对应的互助医疗实体和所述各互助医疗实体之间的映射关系进行结构化处理，根据结构化处理结果构建知识图谱；
确定查询条件模块，被配置为根据所述各互助医疗实体之间的映射关系，确定所述各互助医疗实体所属种类之间的映射关系，作为在所述知识图谱中进行查询的查询条件。
16.一种电子设备，其特征在于，包括：
存储器和处理器；
所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令：
获取项目成员参与互助项目过程中提交的项目案件的案件数据，并提取所述案件数据中包含的医疗数据；
根据知识图谱查询条件包含的医疗实体的种类，在所述医疗数据中提取与所述医疗实体的种类对应的互助医疗数据；
根据所述知识图谱查询条件包含的所述医疗实体的种类之间的映射关系，建立所述互助医疗数据的映射关系，将建立映射关系后的所述互助医疗数据的映射数据组作为待查询案件数据；
根据所述待查询案件数据在所述知识图谱中进行匹配；
若匹配失败，向所述项目成员发送拒绝对所述项目案件进行互助的提醒信息。
17.一种电子设备，其特征在于，包括：
存储器和处理器；
所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令：
获取医疗数据，并确定所述医疗数据对应的医疗实体；
根据互助项目的互助范围内包含的项目医疗实体，在所述医疗实体中筛选出与所述项目医疗实体对应的医疗实体，确定为互助医疗实体；
建立各互助医疗实体之间的映射关系；
对各映射关系中对应的互助医疗实体和所述各互助医疗实体之间的映射关系进行结构化处理，根据结构化处理结果构建知识图谱；
根据所述各互助医疗实体之间的映射关系，确定所述各互助医疗实体所属种类之间的映射关系，作为在所述知识图谱中进行查询的查询条件。
18.一种计算机可读存储介质，其存储有计算机指令，其特征在于，该指令被处理器执行时实现权利要求1至8或9至13任意一项所述方法的步骤。
CN201910464467.4A 2019-05-30 2019-05-30 基于知识图谱的案件审核方法以及装置 Pending CN110322216A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910464467.4A CN110322216A (zh) 2019-05-30 2019-05-30 基于知识图谱的案件审核方法以及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910464467.4A CN110322216A (zh) 2019-05-30 2019-05-30 基于知识图谱的案件审核方法以及装置

Publications (1)

Publication Number Publication Date
CN110322216A true CN110322216A (zh) 2019-10-11

Family

ID=68119184

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910464467.4A Pending CN110322216A (zh) 2019-05-30 2019-05-30 基于知识图谱的案件审核方法以及装置

Country Status (1)

Country Link
CN (1) CN110322216A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110751517A (zh) * 2019-10-17 2020-02-04 支付宝(杭州)信息技术有限公司 互助项目中的增信方法以及装置
CN110866836A (zh) * 2019-11-14 2020-03-06 支付宝(杭州)信息技术有限公司 计算机执行的医疗保险立案审核方法和装置
CN112950170A (zh) * 2020-06-19 2021-06-11 支付宝(杭州)信息技术有限公司 审核方法以及装置
CN114358955A (zh) * 2021-11-01 2022-04-15 中国人民财产保险股份有限公司 一种医保控费审核的方法及其医保控费审核系统
CN115982388A (zh) * 2023-03-06 2023-04-18 共道网络科技有限公司 案件质控图谱建立、案件文书质检方法、设备及存储介质
CN117391643A (zh) * 2023-12-13 2024-01-12 山东贝森医院管理咨询有限公司 一种基于知识图谱的医保单据审核方法及系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130096944A1 (en) * 2011-10-13 2013-04-18 The Board of Trustees of the Leland Stanford, Junior, University Method and System for Ontology Based Analytics
US20130226616A1 (en) * 2011-10-13 2013-08-29 The Board of Trustees for the Leland Stanford, Junior, University Method and System for Examining Practice-based Evidence
CN108305175A (zh) * 2017-12-30 2018-07-20 上海栈略数据技术有限公司 基于智能医学知识图谱的保险理赔风控辅助审核系统
CN108399532A (zh) * 2018-04-12 2018-08-14 阿里巴巴集团控股有限公司 处理业务的可用资源的方法和装置
CN109345399A (zh) * 2018-10-23 2019-02-15 平安科技（深圳）有限公司 理赔风险评估方法、装置、计算机设备及存储介质
CN109635121A (zh) * 2018-11-07 2019-04-16 平安科技（深圳）有限公司 医疗知识图谱创建方法及相关装置
CN109670054A (zh) * 2018-12-26 2019-04-23 医渡云（北京）技术有限公司 知识图谱构建方法、装置、存储介质及电子设备
CN109766445A (zh) * 2018-12-13 2019-05-17 平安科技（深圳）有限公司 一种知识图谱构建方法及数据处理装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130096944A1 (en) * 2011-10-13 2013-04-18 The Board of Trustees of the Leland Stanford, Junior, University Method and System for Ontology Based Analytics
US20130226616A1 (en) * 2011-10-13 2013-08-29 The Board of Trustees for the Leland Stanford, Junior, University Method and System for Examining Practice-based Evidence
CN108305175A (zh) * 2017-12-30 2018-07-20 上海栈略数据技术有限公司 基于智能医学知识图谱的保险理赔风控辅助审核系统
CN108399532A (zh) * 2018-04-12 2018-08-14 阿里巴巴集团控股有限公司 处理业务的可用资源的方法和装置
CN109345399A (zh) * 2018-10-23 2019-02-15 平安科技（深圳）有限公司 理赔风险评估方法、装置、计算机设备及存储介质
CN109635121A (zh) * 2018-11-07 2019-04-16 平安科技（深圳）有限公司 医疗知识图谱创建方法及相关装置
CN109766445A (zh) * 2018-12-13 2019-05-17 平安科技（深圳）有限公司 一种知识图谱构建方法及数据处理装置
CN109670054A (zh) * 2018-12-26 2019-04-23 医渡云（北京）技术有限公司 知识图谱构建方法、装置、存储介质及电子设备

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110751517A (zh) * 2019-10-17 2020-02-04 支付宝(杭州)信息技术有限公司 互助项目中的增信方法以及装置
CN110866836A (zh) * 2019-11-14 2020-03-06 支付宝(杭州)信息技术有限公司 计算机执行的医疗保险立案审核方法和装置
CN110866836B (zh) * 2019-11-14 2022-12-06 支付宝(杭州)信息技术有限公司 计算机执行的医疗保险立案审核方法和装置
CN112950170A (zh) * 2020-06-19 2021-06-11 支付宝(杭州)信息技术有限公司 审核方法以及装置
CN114358955A (zh) * 2021-11-01 2022-04-15 中国人民财产保险股份有限公司 一种医保控费审核的方法及其医保控费审核系统
CN115982388A (zh) * 2023-03-06 2023-04-18 共道网络科技有限公司 案件质控图谱建立、案件文书质检方法、设备及存储介质
CN115982388B (zh) * 2023-03-06 2024-04-19 共道网络科技有限公司 案件质控图谱建立、案件文书质检方法、设备及存储介质
CN117391643A (zh) * 2023-12-13 2024-01-12 山东贝森医院管理咨询有限公司 一种基于知识图谱的医保单据审核方法及系统
CN117391643B (zh) * 2023-12-13 2024-04-05 山东贝森医院管理咨询有限公司 一种基于知识图谱的医保单据审核方法及系统

Similar Documents

Publication Publication Date Title
CN110322216A (zh) 基于知识图谱的案件审核方法以及装置
Sun et al. Understanding the acceptance of mobile health services: a comparison and integration of alternative models
Cook et al. Two approaches to social structure: Exchange theory and network analysis
Cao et al. The role of online communities in reducing urban–rural health disparities in China
CN110009510A (zh) 基于区块链的业务处理系统、方法、计算设备及存储介质
CN110276067A (zh) 文本意图确定方法以及装置
CN110349033A (zh) 项目案件初审方法以及装置
CN108960686A (zh) 影响力评估方法及系统
CN116664930A (zh) 基于自监督对比学习的个性化联邦学习图像分类方法及系统
Purba et al. Design and Build Monitoring System for Pregnant Mothers and Newborns using the Waterfall Model
CN111402072B (zh) 信息处理方法及装置
CN111401854A (zh) 信息处理方法以及装置
Chavalarias What’s wrong with Science? Modeling the collective discovery processes with the Nobel game
CN117252664A (zh) 药品推荐理由生成方法、装置、介质及设备
Flowers et al. Understanding the barriers and facilitators to using self‐sampling packs for sexually transmitted infections and blood‐borne viruses: Thematic analyses for intervention optimization
Kaushal et al. Eye Disease Detection Through Image Classification Using Federated Learning
CN110197196B (zh) 问题处理方法、装置、电子设备以及存储介质
CN110197198B (zh) 毒理资讯自助服务平台及其管理系统
Wang et al. [Retracted] Application Research of Artificial Intelligence Screening System for Diabetic Retinopathy
Pisani Estimating the number of drug injectors in Indonesia
Bhandari et al. Privacy concern behaviour on social media sites: A comparative analysis of urban and rural users
Newton et al. From lived experience to lived expertise: How donor-conceived witnesses claim and sustain epistemic authority
Stamler et al. Translation of academic discovery into societal benefit: proposal for a balanced approach—part 1
Li Evaluation and Analysis of Elderly Mental Health Based on Artificial Intelligence
Bianchi et al. Biomedical data integration–capturing similarities while preserving disparities

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
TA01 Transfer of patent application right

Effective date of registration: 20201009

Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands

Applicant after: Innovative advanced technology Co.,Ltd.

Address before: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands

Applicant before: Advanced innovation technology Co.,Ltd.

Effective date of registration: 20201009

Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands

Applicant after: Advanced innovation technology Co.,Ltd.

Address before: A four-storey 847 mailbox in Grand Cayman Capital Building, British Cayman Islands

Applicant before: Alibaba Group Holding Ltd.

TA01 Transfer of patent application right
RJ01 Rejection of invention patent application after publication

Application publication date: 20191011

RJ01 Rejection of invention patent application after publication