CN112612901A - 一种医学知识图谱智慧管理检索平台 - Google Patents
一种医学知识图谱智慧管理检索平台 Download PDFInfo
- Publication number
- CN112612901A CN112612901A CN202011513296.9A CN202011513296A CN112612901A CN 112612901 A CN112612901 A CN 112612901A CN 202011513296 A CN202011513296 A CN 202011513296A CN 112612901 A CN112612901 A CN 112612901A
- Authority
- CN
- China
- Prior art keywords
- medical knowledge
- retrieval
- medical
- reading
- knowledge
- 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.)
- Withdrawn
Links
Images
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
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- 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
- G06F16/35—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Fuzzy Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明公开了一种医学知识图谱智慧管理检索平台，通过获取医学知识检索终端检索过程中检索的医学知识信息列表及医学知识信息列表的关联列表，并提取医学知识信息列表及医学知识信息列表的关联列表的检索行为特征，然后对检索行为特征中的各医学知识阅读行为进行跟踪识别，接着根据跟踪识别结果智能生成医疗检索终端用户所对应的医学知识图谱，并推送至医学知识图谱管理检索平台数据库中存储形成医学知识图谱库。如此，能够对用户的医学知识的检索行为特征进行有效数据挖掘，从而融合不同医学专家的经验生成相关医学知识图谱和推荐医疗处置方案，以便为后续的医疗诊断提供更精确和多角度的参考。
Description
技术领域
本发明属于智慧医疗领域，具体涉及一种医学知识图谱智慧管理检索平台。
背景技术
随着互联网技术的不断发展，各传统行业都引入互联网应用，为本行业提供便捷的信息管理。同时，研究人员和用户通过互联网的信息互联可以大大减少因沟通不便带来的信息阻碍，通过简单的方式进行信息共享。医疗健康行业作为最复杂的行业之一，其细分专业和医学知识繁杂多样，同时各细分专业和医学知识点之间又存在错综复杂的内在联系，因此有必要建立一个医学知识管理平台，为医护人员提供医学知识检索服务，方便医护人员更便捷快速地获取医学知识，有利于医护人员为患者提供更准确的医疗措施。
现有的医学知识管理检索平台，只能提供简单的关键词检索与内容反馈。当医疗人员进行医学知识检索时，通常会伴随着一系列的检索行为，且这些检索行为往往伴随着很强的关联性，因此，如何智能化地对这些检索行为进行有效的数据挖掘，从而提炼出有用的医学知识图谱，从而汇集成医学知识图谱库，作为其他不同医疗细分专业领域的用户参考，达到融合不同医学专业，不同医学专家的知识的目的，对医疗人员作出诊断具有重要意义。
发明内容
为了克服现有技术中的上述不足，本公开提供一种医学知识图谱智慧管理检索平台，能够对用户的医学知识的检索行为特征进行有效数据挖掘，从而融合不同专业不同的不同医学专家的经验生成相关医学知识图谱和推荐医疗处置方案，以便为后续的医疗诊断提供更精确和多角度的参考。
第一方面，本发明提供了一种医学知识图谱智慧检索方法，应用于医学知识图谱管理检索平台，所述医学知识图谱管理检索云平台与多个医学知识检索终端连接，所述方法包括：
获取所述医学知识检索终端在检索过程中的被检索医学知识信息，并汇集成医学知识信息列表及所述医学知识信息列表的关联列表，并提取所述医学知识信息列表的第一检索行为特征及所述医学知识信息列表的关联列表的第二检索行为特征，其中，所述医学知识信息列表为所述医学知识检索终端通过主动医学知识检索行为并点击浏览相关医学知识后，根据检索关键字和医学知识内容关键字生成的医学知识信息列表，所述医学知识信息列表的关联列表为根据医学知识检索终端的浏览行为和医学知识关联关系进行推荐的医学知识信息列表，包括所述医学知识的病例案例信息以及所述病例案例相关的医疗方案信息；
对所述第一检索行为特征的各检索节点进行跟踪识别，得到医学知识检索第一跟踪识别结果，所述医学知识检索第一跟踪识别结果包括在所述医学知识检索过程中第一检索行为特征中的各医学知识阅读节点的知识类型关联特征以及各阅读节点对应的关联度，每个检索行为的阅读节点分别对应一种行为记录；
对所述第二检索行为特征的对所述第二检索行为特征的各检索节点进行跟踪识别，得到医学知识检索第二跟踪识别结果，所述医学知识检索第二跟踪识别结果包括所述第二检索行为特征中的关联病例案例和所述病例案例的医疗方案信息以及关联病例案例和所述病例案例的医疗方案信息的关联度；
根据所述第一跟踪识别结果和第二跟踪识别结果，对第一跟踪识别结果和第二跟踪识别结果进行合成，获取医学知识检索特征向量；
根据医学知识检索特征向量，生成所述医学知识检索终端用户对应的医学知识检索行为监控结果，并根据医学知识检索行为监控结果生成对应的医学知识图谱；
根据所述医学知识图谱，使用人工智能模型智能生成对应的医学知识检索终端用户医学知识网及推荐的医疗处置方案，并推送至医学知识图谱管理平台的用户个人存储空间以及平台医学知识图谱库中进行存储。
在第一方面的一种可能实现方式中，所述提取所述医学知识信息列表的第一检索行为特征及所述医学知识信息列表的关联列表的第二检索行为特征的步骤，包括：
根据预先约定的医学知识检索行为特征匹配策略提取所述医学知识信息列表中的匹配关键特征并提取所述匹配关键特征中的第一关键特征匹配向量；根据预先约定的医学知识检索行为特征匹配策略提取所述医学知识信息列表的关联列表中的匹配关键特征并提取所述匹配关键特征中的第二关键特征匹配向量；
获取第一关键特征匹配向量对应的医学知识检索行为第一参数集合，所述医学知识检索行为第一参数集合包括检索关键字信息和医学知识文本内容关键词以及医学知识浏览时间节点信息，所述医学知识浏览时间节点信息用于标记医学知识检索行为参数识别过程中的时序关系；
获取第二关键特征匹配向量对应的医学知识检索行为第二参数集合，所述第二参数集合包括医学知识的病例案例信息以及所述病例案例相关的医疗方案关键词；
根据第一参数集合获取所述医学知识信息列表对应的医学知识关键字定位序列，其中，所述知识关键字定位序列为所述医学知识信息列表中当前第一检索信息单元与第二检索信息单元的医学知识关键字定位序列，所述第二检索信息单元为所述第一检索信息单元的附属信息单元；
根据第二参数集合中每个参数的参数序号与所述医学知识关键字定位序列进行比较，得到比较结果，所述比较结果表示所述第二参数集合中的参数是位于所述第一检索信息单元内或者位于所述第二检索信息单元内；
根据所述比较结果提取所述第一检索行为特征和第二检索行为特征。
在第一方面的一种可能实现方式中，所述根据比较结果提取所述第一检索行为特征和第二检索行为特征的步骤，包括：
根据所述第一参数集合，从所述第二参数集合中选取医学知识的病例案例信息以及所述病例案例相关的医疗方案关键词信息，并从所述第一参数集合中获取位于所述第一检索信息单元和第二检索信息单元内的医学知识关键字信息参数；
当所述医学知识关键字信息位于当前的第一检索信息单元时，根据所述医学知识关键字信息参数的位置在第一参数集合中确定对应的第一合成参数以及在所述第二参数集合中确定对应的第二合成参数，并将所述第一合成参数在所述第一参数集合中的参数特征向量与所述第二合成参数在所述第二参数集合中的参数特征向量进行拼接，最终得到第一目标参数向量，并将第一参数集合的参数向量更新为第一目标参数向量；
当所述医学知识关键字信息位于当前的第二检索信息单元时，根据所述医学知识关键字信息参数的位置在第一参数集合中确定对应的第一合成参数以及在所述第二参数集合中确定对应的第三合成参数，并将所述第一合成参数在所述第一参数集合中的参数特征向量与所述第三合成参数在所述第二参数集合中的参数特征向量进行拼接，最终得到第二目标参数向量，并将第二参数集合的参数向量更新为第二目标参数向量
提取参数向量更新为第一目标参数向量的第一参数集合的检索行为特征信息，得到第一检索行为特征；
提取参数向量更新为第二目标参数向量的第二参数集合的检索行为特征信息，得到第二检索行为特征。
在第一方面的一种可能实现方式中，所述对所述第一检索行为特征的各检索节点进行跟踪识别，得到医学知识检索第一跟踪识别结果以及对所述第二检索行为特征的对所述第二检索行为特征的各检索节点进行跟踪识别，得到医学知识检索第二跟踪识别结果的步骤，包括：
对所述第一检索行为特征中医学知识检索关键字以及医学知识阅读节点进行跟踪识别，得到第一医学知识阅读轨迹图；
在所述第一医学知识阅读轨迹图上提取所述医学知识阅读行为节点的阅读时长特征和阅读流向特征，所述阅读流向特征用于描述医学知识阅读轨迹图中每个节点的变化趋势；
根据所述医学知识阅读行为节点的阅读时长特征和阅读流向特征得到各医学知识阅读节点的知识类型关联标签以及各阅读节点对应的关联度；
对所述第二检索行为特征中病例案例以及医疗方案的阅读节点进行跟踪识别，得到第二医学知识阅读轨迹图；
在所述第二医学知识阅读轨迹图上提取所述病例案例以及医疗方案阅读行为节点的阅读时长特征和阅读流向特征，所述阅读流向特征用于描述医学知识阅读轨迹图中每个节点的变化趋势；
根据所述病例案例以及医疗方案阅读行为节点的阅读时长特征和阅读流向特征得到关联病例案例和所述病例案例的医疗方案信息的关联度。
在第一方面的一种可能实现方式中，所述根据所述医学知识阅读行为节点的阅读时长特征和阅读流向特征得到各医学知识阅读节点的知识类型关联节点以及各阅读节点对应的关联度的步骤，包括：
对所述医学知识阅读行为节点的阅读时长特征和阅读流向特征分别做聚类计算，得到第一聚类结果；
基于第一聚类结果中与所述医学知识阅读行为节点的阅读时长特征匹配的聚类结果，在预设医学知识特征库中进行匹配，得到与所述医学知识阅读行为节点的阅读时长特征匹配的第一匹配结果；
基于所述第一聚类结果与所述医学知识阅读流向特征相匹配的聚类结果，在预设医学知识特征库中进行匹配，得到所述医学知识阅读流向特征匹配的第二匹配结果；
获取所述第一匹配结果与所述第二匹配结果距离相近的匹配结果，作为初始结果，评估所述初始结果中各项匹配结果与所述医学知识阅读节点的距离，并根据评估的距离对所述初始结果中包含的定位结果进行合成，得到目标定位结果；
获取所述目标定位结果中的每项定位结果的医学知识类型关联节点，并对获取到的每一个医学知识类型关联节点分别进行医学知识阅读时长特征提取和医学知识阅读流向特征提取；
对于所述每一个医学知识类型关联节点，对所述医学知识阅读时长特征和医学知识阅读流向特征分别进行聚类计算，得到所述医学知识类型关联节点的聚类结果；
获取所述医学知识类型关联节点在所述定位结果中的位置，并根据所述定位结果的信息以及所述医学知识类型关联节点在所述定位结果中的位置，对所述医学知识类型关联节点的聚类结果进行关联，因而得到各医学知识阅读节点的知识类型关联特征以及各阅读节点对应的关联度。
在第一方面的一种可能的实现方式中，所述根据所述第一跟踪识别结果和第二跟踪识别结果，对第一跟踪识别结果和第二跟踪识别结果进行合成获取医学知识检索特征向量的步骤，包括：
根据第一跟踪识别结果，获取所述医学知识检索过程中第一检索行为特征中的各医学知识阅读节点的知识类型关联特征以及各阅读节点对应的关联度，并根据医学知识类型关联特征生成医学知识特征向量，根据各医学知识阅读节点对应的关联度生成医学知识特征权重向量；
根据第二跟踪识别结果，获取所述医学知识检索过程中第二检索行为特征中的关联病例案例和所述病例案例的医疗方案信息以及关联病例案例和所述病例案例的医疗方案信息的关联度，并根据病例案例和所述病例案例关联的医疗方案生成病例案例和医疗方案特征向量，根据关联病例案例和所述病例案例的医疗方案信息的关联度生成病例案例和医疗方案特征权重向量；
根据所述医学知识特征权重向量和所述医学知识特征向量获取第一加权特征向量；根据病例案例和医疗方案特征向量和病例案例和医疗方案特征权重向量获取第二加权特征向量；
将第一加权特征向量和第二特征向量进行拼接，得到医学知识检索特征向量。
在第一方面的一种可能的实现方式中，所述根据医学知识检索特征向量，生成所述医学知识检索终端用户对应的医学知识检索行为监控结果，并根据医学知识检索行为监控结果生成对应的医学知识图谱的步骤，包括：
根据医学知识检索终端用户对应的医学知识检索行为监控结果以及知识检索特征向量，进行医学知识信息语义信息抽取；
根据抽取的语义信息，获取医学知识关系以及医学知识属性信息，形成医学知识库；
对所述医学知识库中的实体进行实体消歧和共指消解，判断所述医学知识库的同名实体与之是否代表不同的含义以及所述知识库中是否存在其他命名实体阈值表示相同的含义；所述实体指某一特定的医学知识点；
合并实体消歧和共指消解后的医学知识库，实现实体链接，生成医学知识图谱。
在第一方面的一种可能的实现方式中，所述的方法还包括：
记录每次医学知识检索过程所生成的医学知识图谱，并将所述医学知识图谱推送至医学知识图谱管理平台的数据库中存储，形成医学知识图谱库。
第二方面，本公开实施例还提供一种医学知识图谱智慧检索装置，应用于医学知识图谱管理检索平台，所述装置包括：
检索行为监控模块，用于获取所述医学知识检索终端在检索过程中的被检索医学知识信息，并汇集成医学知识信息列表及所述医学知识信息列表的关联列表，并提取所述医学知识信息列表的第一检索行为特征及所述医学知识信息列表的关联列表的第二检索行为特征，其中，所述医学知识信息列表为所述医学知识检索终端通过主动医学知识检索行为并点击浏览相关医学知识后，根据检索关键字和医学知识内容关键字生成的医学知识信息列表，所述医学知识信息列表的关联列表为根据医学知识检索终端的浏览行为和医学知识关联关系进行推荐的医学知识信息列表，包括所述医学知识的病例案例信息以及所述病例案例相关的医疗方案信息；
特征识别模块，用于对所述第一检索行为特征和所述第二检索行为特征的各检索节点进行跟踪识别，得到医学知识检索第一跟踪识别结果和第二跟踪识别结果；
数据挖掘模块，用于根据所述第一跟踪识别结果和第二跟踪识别结果，对第一跟踪识别结果和第二跟踪识别结果进行合成，获取医学知识检索特征向量；然后，根据医学知识检索特征向量，生成所述医学知识检索终端用户对应的医学知识检索行为监控结果，并根据医学知识检索行为监控结果生成对应的医学知识图谱，完成对用户检索行为的数据挖掘。
第三方面，本公开实施例还提供一种医学知识图谱智慧检索系统，所述医学知识图谱智慧检索系统包括医学知识图谱管理检索平台以及与所述医学知识图谱管理检索平台通信连接的多个医疗知识检索终端；
所述医学知识图谱管理检索平台用于获取所述医学知识检索终端在检索过程中的被检索医学知识信息，并汇集成医学知识信息列表及所述医学知识信息列表的关联列表，并提取所述医学知识信息列表的第一检索行为特征及所述医学知识信息列表的关联列表的第二检索行为特征，其中，所述医学知识信息列表为所述医学知识检索终端通过主动医学知识检索行为并点击浏览相关医学知识后，根据检索关键字和医学知识内容关键字生成的医学知识信息列表，所述医学知识信息列表的关联列表为根据医学知识检索终端的浏览行为和医学知识关联关系进行推荐的医学知识信息列表，包括所述医学知识的病例案例信息以及所述病例案例相关的医疗方案信息；
所述医学知识图谱管理检索平台用于对所述第一检索行为特征的各检索节点进行跟踪识别，得到医学知识检索第一跟踪识别结果，所述医学知识检索第一跟踪识别结果包括在所述医学知识检索过程中第一检索行为特征中的各医学知识阅读节点的知识类型关联特征以及各阅读节点对应的关联度，每个检索行为的阅读节点分别对应一种行为记录；
所述医学知识图谱管理检索平台用于对所述第二检索行为特征的对所述第二检索行为特征的各检索节点进行跟踪识别，得到医学知识检索第二跟踪识别结果，所述医学知识检索第二跟踪识别结果包括所述第二检索行为特征中的关联病例案例和所述病例案例的医疗方案信息以及关联病例案例和所述病例案例的医疗方案信息的关联度；
所述医学知识图谱管理检索平台用于根据所述第一跟踪识别结果和第二跟踪识别结果，对第一跟踪识别结果和第二跟踪识别结果进行合成，获取医学知识检索特征向量；
所述医学知识图谱管理检索平台用于根据医学知识检索特征向量，生成所述医学知识检索终端用户对应的医学知识检索行为监控结果，并根据医学知识检索行为监控结果生成对应的医学知识图谱；
所述医学知识图谱管理检索平台用于根据所述医学知识图谱，使用人工智能模型智能生成对应的医学知识检索终端用户医学知识网及推荐的医疗处置方案，并推送至医学知识图谱管理平台的用户个人存储空间以及平台医学知识图谱库中进行存储。
第四方面，本公开实施例还提供一种医学知识图谱管理检索平台，所述医学知识图谱管理检索平台由多台检索服务器和资源分配服务器组成，所述资源分配服务器接收医学知识检索客户端的检索请求，并根据检索服务平台的工作负载情况分配处理所述检索请求对应的所述检索服务平台服务器处理检索请求，并返回检索结果；检索服务平台包括多台检索服务器，所述检索服务器包括处理器、机器可读存储介质和网络接口，所述机器可读存储介质、所述网络接口以及所述处理器之间通过总线系统相连，所述网络接口用于与多个医学知识检索终端通信连接，所述机器可读存储介质用于存储程序、指令或代码，所述处理器用于执行所述机器可读存储介质中的程序、指令或代码，以执行第一方面或者第一方面中任意一个可能的设计中的医学知识图谱智慧检索方法。
基于上述任意一个方面，本发明通过获取医学知识检索终端检索过程中检索的医学知识信息列表及医学知识信息列表的关联列表，并提取医学知识信息列表及医学知识信息列表的关联列表的检索行为特征，然后对检索行为特征中的各医学知识阅读行为进行跟踪识别，接着根据跟踪识别结果智能生成医疗检索终端用户所对应的医学知识图谱，以及相关的病例案例和推荐的医疗处置方案。如此，能够对检索用户的医学知识的检索行为特征进行有效挖掘，从而智能化地从不同医学专家的医学知识检索过程中获取医学知识图谱，实现不同专业领域和不同医学专家的经验有效融合和提取，并存储到医学知识管理检索平台的数据库中，形成医学知识图谱库，以便为后续的医疗诊断提供更多医学专业角度的参考，帮助实现更准确的医疗诊断。
附图说明
图1为本发明实施例提供的医学知识图谱智慧检索系统流程示意图；
图2为本发明实施例提供的医学知识图谱智慧检索方法应用场景示意图；
图3为本发明实施例提供的医学知识图谱智慧检索装置的功能模块示意图；
图4为本发明实施例提供的医学知识图谱智慧管理检索平台的结构示意框图；
图5为本发明实施例提供的医学知识图谱智慧管理检索服务器的结构示意框图；
具体实施方式
下面结合说明书附图对本发明进行具体说明，方法实施例中的具体操作方法也可以应用于装置实施例或系统实施例中。
图2是本发明实施例提供的医学知识图谱智慧检索系统应用场景示意图。医学知识图谱智慧检索系统可以包括医学知识图谱管理检索平台100以及与所述医学知识图谱管理检索平台100通信连接的医学知识检索终端200组成。所述医学知识图谱管理检索平台100包括资源分配服务器120和多台检索服务器110。图2所示的医学知识图谱智慧检索系统仅为一种可行的示例，在其它可行的实施例中，该医学知识图谱智慧检索系统也可以仅包括图2所示组成部分的其中一部分或者还可以包括其它的组成部分。
本实施例中，医学知识检索终端200可以包括移动设备、平板计算机、膝上型计算机等或其任意组合。在一些实施例中，移动设备可以包括智能家居设备、可穿戴设备、智能移动设备、虚拟现实设备、或增强现实设备等，或其任意组合。在一些实施例中，智能家居设备可以包括智能电器设备的控制设备、智能监控设备、智能电视、智能摄像机等，或其任意组合。在一些实施例中，可穿戴设备可包括智能手环、智能鞋带、智能玻璃、智能头盔、智能手表、智能服装、智能背包、智能配件等，或其任何组合。在一些实施例中，智能移动设备可以包括智能手机、个人数字助理、游戏设备等，或其任意组合。在一些实施例中，虚拟现实设备和/或增强现实设备可以包括虚拟现实头盔、虚拟现实玻璃、虚拟现实贴片、增强现实头盔、增强现实玻璃、或增强现实贴片等，或其任意组合。
本实施例中，医学知识图谱智慧检索系统中的医学知识图谱管理检索平台100和医学知识检索终端200可以通过配合执行以下方法实施例所描述的医学知识图谱智慧检索方法，具体医学知识图谱管理检索平台100和医学知识检索终端200的执行步骤部分可以参照以下方法实施例的详细描述。
为了解决前述背景技术中的技术问题，图1为本公开实施例提供的医学知识图谱智慧检索系统流程示意图，本实施例提供的医学知识图谱智慧检索方法可以由图2中所示的医学知识图谱管理检索平台100执行，下面对该医学知识图谱智慧检索方法进行详细介绍。
步骤S110，获取医学知识检索终端200检索过程中检索的医学知识信息列表及医学知识信息列表的关联列表，并提取医学知识信息列表及医学知识信息列表的关联列表的检索行为特征。
步骤S120，医学知识图谱管理检索平台100对检索行为特征中的各医学知识阅读行为进行跟踪识别,并获取跟踪识别结果。
步骤S130，医学知识图谱管理检索平台100根据跟踪识别结果智能生成医疗检索终端200的用户所对应的医学知识图谱，以及相关的病例案例和推荐的医疗处置方案，并将知识图谱推送至医学知识图谱管理平台100的数据库中存储，形成医学知识图谱库。
本实施例中，医学知识信息列表及医学知识信息列表的关联列表具体可以为医学知识检索终端200通过主动医学知识检索行为并点击浏览相关医学知识后，根据检索关键字和医学知识内容关键字生成的医学知识信息列表，医学知识信息列表的关联列表可以为根据医学知识检索终端的浏览行为和医学知识关联关系进行推荐的医学知识信息列表，包括所述医学知识的病例案例信息以及所述病例案例相关的医疗方案信息等。
本实施例中，医学知识检索关键字可以是医务人员在学习和工作过程中接触到的一些专业医学知识点，或者接触到的患者的疾病症状以及药品名称等。医学知识检索终端用户可以为任意具备医学知识检索访问权限的医务人员、医学院学生、护工人员以及医学专家等。
医学知识检索终端用户可能会根据当前所检索的医学知识，结合自己的专业知识和专业经验进行联想搜索，使用不同的医学知识关键词或病例症状进行联想搜索，并对搜索结果进行点击查阅，由此可以获得该用户的医学知识检索行为数据，并将医学知识检索行为数据按一定的规则进行排列，如按时序排列，按阅读时长排列等，形成医学知识信息列表。
同时，医学知识检索终端用户在进行医学知识检索的过程中，每次检索都会有关联的与所检索医学知识相关联的病例案例，如疾病的发生、发展、临床症状等，以及相应的医疗处置方案，如检查项目、用药情况、治疗措施、治疗周期等，作为对应的内容参考依据，对这些有病例案例和医疗处置方案按一定的规则进行排列，由此可以获得医学知识信息列表的关联列表。
基于上述步骤，本实施例通过获取医学知识检索终端200在检索过程中的被检索医学知识信息，并汇集成医学知识信息列表及医学知识信息列表的关联列表，并提取医学知识信息列表的第一检索行为特征及医学知识信息列表的关联列表的第二检索行为特征
然后，对第一检索行为特征的各检索节点进行跟踪识别，得到医学知识检索第一跟踪识别结果，医学知识检索第一跟踪识别结果包括在医学知识检索过程中第一检索行为特征中的各医学知识阅读节点的知识类型关联特征以及各阅读节点对应的关联度，每个检索行为的阅读节点分别对应一种行为记录；
接着，对第二检索行为特征的对第二检索行为特征的各检索节点进行跟踪识别，得到医学知识检索第二跟踪识别结果。医学知识检索第二跟踪识别结果包括第二检索行为特征中的关联病例案例和病例案例的医疗方案信息以及关联病例案例和所述病例案例的医疗方案信息的关联度.
进而，根据第一跟踪识别结果和第二跟踪识别结果，对第一跟踪识别结果和第二跟踪识别结果进行合成，获取医学知识检索特征向量；
然后，根据医学知识检索特征向量，生成医学知识检索终端200的用户对应的医学知识检索行为监控结果，并根据医学知识检索行为监控结果生成对应的医学知识图谱；
由此，根据医学知识图谱，使用人工智能模型智能生成对应的医学知识检索终端200的用户医学知识网及推荐的医疗处置方案，并推送至医学知识图谱管理平台100的用户个人存储空间以及平台医学知识图谱库中进行存储。如此，能够对用户的医学知识的检索行为特征进行有效数据挖掘，从而融合不同医学专家的经验生成相关医学知识图谱和推荐医疗处置方案，以便为后续的医疗诊断提供更精确和多角度的参考。
在一种可能的实现方式中，针对步骤S110，在获取所述医学知识信息列表的第一检索行为特征及所述医学知识信息列表的关联列表的第二检索行为特征可以通过以下步骤实现：
首先，根据预先约定的医学知识检索行为特征匹配策略提取医学知识信息列表中的匹配关键特征并提取所述匹配关键特征中的第一关键特征匹配向量；根据预先约定的医学知识检索行为特征匹配策略提取所述医学知识信息列表的关联列表中的匹配关键特征并提取所述匹配关键特征中的第二关键特征匹配向量；
然后，获取第一关键特征匹配向量对应的医学知识检索行为第一参数集合，医学知识检索行为第一参数集合包括检索关键字信息和医学知识文本内容关键词以及医学知识浏览时间节点信息，医学知识浏览时间节点信息用于标记医学知识检索行为参数识别过程中的时序关系；
接着，获取第二关键特征匹配向量对应的医学知识检索行为第二参数集合，其中，第二参数集合包括医学知识的病例案例信息以及所述病例案例相关的医疗方案关键词；
然后，根据第一参数集合获取所述医学知识信息列表对应的医学知识关键字定位序列。
其中，知识关键字定位序列为医学知识信息列表中当前第一检索信息单元与第二检索信息单元的医学知识关键字定位序列，第二检索信息单元为第一检索信息单元的附属信息单元；
然后，根据第二参数集合中每个参数的参数序号与所述医学知识关键字定位序列进行比较，得到比较结果。
其中，比较结果表示所述第二参数集合中的参数是位于所述第一检索信息单元内或者位于所述第二检索信息单元内；
最后，根据所述比较结果提取所述第一检索行为特征和第二检索行为特征。
在一种可能的实现方式中，上述根据比较结果提取第一检索行为特征和第二检索行为特征的步骤可以由以下示例性步骤实现：
首先，根据第一参数集合从第二参数集合中选取医学知识的病例案例信息以及所述病例案例相关的医疗方案关键词信息，并从第一参数集合中获取位于所述第一检索信息单元和第二检索信息单元内的医学知识关键字信息参数；
若医学知识关键字信息位于当前的第一检索信息单元，则根据医学知识关键字信息参数的位置在第一参数集合中确定对应的第一合成参数以及在第二参数集合中确定对应的第二合成参数。
然后将第一合成参数在第一参数集合中的参数特征向量与第二合成参数在所述第二参数集合中的参数特征向量进行拼接，最终得到第一目标参数向量，并将第一参数集合的参数向量更新为第一目标参数向量；
或者，若所述医学知识关键字信息位于当前的第二检索信息单元，则根据医学知识关键字信息参数的位置在第一参数集合中确定对应的第一合成参数以及在第二参数集合中确定对应的第三合成参数，并将第一合成参数在第一参数集合中的参数特征向量与第三合成参数在第二参数集合中的参数特征向量进行拼接，最终得到第二目标参数向量，并将第二参数集合的参数向量更新为第二目标参数向量。
而后，提取参数向量更新为第一目标参数向量的第一参数集合的检索行为特征信息，得到第一检索行为特征；再提取参数向量更新为第二目标参数向量的第二参数集合的检索行为特征信息，得到第二检索行为特征。
在一种可能的实现方式中，针对步骤S120，对所述第一检索行为特征的各检索节点进行跟踪识别，得到医学知识检索第一跟踪识别结果以及对所述第二检索行为特征的对所述第二检索行为特征的各检索节点进行跟踪识别，得到医学知识检索第二跟踪识别结果的一种示例性步骤，包括：
首先，对第一检索行为特征中医学知识检索关键字以及医学知识阅读节点进行跟踪识别，得到第一医学知识阅读轨迹图；
接着，在第一医学知识阅读轨迹图上提取所述医学知识阅读行为节点的阅读时长特征和阅读流向特征。
其中，阅读流向特征用于描述医学知识阅读轨迹图中每个节点的变化趋势；
然后，根据医学知识阅读行为节点的阅读时长特征和阅读流向特征得到各医学知识阅读节点的知识类型关联标签以及各阅读节点对应的关联度；
接着，对第二检索行为特征中病例案例以及医疗方案的阅读节点进行跟踪识别，得到第二医学知识阅读轨迹图；
然后，在第二医学知识阅读轨迹图上提取病例案例以及医疗方案阅读行为节点的阅读时长特征和阅读流向特征。
其中，阅读流向特征用于描述医学知识阅读轨迹图中每个节点的变化趋势；
如此，便能根据病例案例以及医疗方案阅读行为节点的阅读时长特征和阅读流向特征得到关联病例案例和所述病例案例的医疗方案信息的关联度。
在一种可能的实现方式中，针对步骤S120，根据所述医学知识阅读行为节点的阅读时长特征和阅读流向特征得到各医学知识阅读节点的知识类型关联节点以及各阅读节点对应的关联度，可以通过以下示例性步骤具体实现，包括：
首先，对医学知识阅读行为节点的阅读时长特征和阅读流向特征分别做聚类计算，得到第一聚类结果；
其中，聚类方法可以为k均值聚类，模糊聚类，均值偏移聚类，DBSCAN聚类以及使用高斯混合模型的期望最大化(EM)聚类等。
然后，基于第一聚类结果中与医学知识阅读行为节点的阅读时长特征匹配的聚类结果，在预设医学知识特征库中进行匹配，得到与医学知识阅读行为节点的阅读时长特征匹配的第一匹配结果；
接着，基于第一聚类结果与医学知识阅读流向特征相匹配的聚类结果，在预设医学知识特征库中进行匹配，得到医学知识阅读流向特征匹配的第二匹配结果；
进而，获取第一匹配结果与第二匹配结果距离相近的匹配结果作为初始结果，评估初始结果中各项匹配结果与医学知识阅读节点的距离，并根据评估的距离对初始结果中包含的定位结果进行合成，得到目标定位结果；
然后，获取目标定位结果中的每项定位结果的医学知识类型关联节点，并对获取到的每一个医学知识类型关联节点分别进行医学知识阅读时长特征提取和医学知识阅读流向特征提取；
对于每一个医学知识类型关联节点，对医学知识阅读时长特征和医学知识阅读流向特征分别进行聚类计算，得到医学知识类型关联节点的聚类结果；
进而获取医学知识类型关联节点在定位结果中的位置，并根据定位结果的信息以及医学知识类型关联节点在定位结果中的位置，对医学知识类型关联节点的聚类结果进行关联，因而得到各医学知识阅读节点的知识类型关联特征以及各阅读节点对应的关联度。
在一种可能的实现方式中，针对步骤S130，根据所述第一跟踪识别结果和第二跟踪识别结果以及对第一跟踪识别结果和第二跟踪识别结果进行合成获取医学知识检索特征向量，可以通过以下示例性步骤具体实现：
开始阶段，根据第一跟踪识别结果，获取医学知识检索过程中第一检索行为特征中的各医学知识阅读节点的知识类型关联特征以及各阅读节点对应的关联度，并根据医学知识类型关联特征生成医学知识特征向量，根据各医学知识阅读节点对应的关联度生成医学知识特征权重向量；
然后，根据第二跟踪识别结果，获取医学知识检索过程中第二检索行为特征中的关联病例案例和所述病例案例的医疗方案信息以及关联病例案例和所述病例案例的医疗方案信息的关联度，并根据病例案例和所述病例案例关联的医疗方案生成病例案例和医疗方案特征向量，根据关联病例案例和病例案例的医疗方案信息的关联度生成病例案例和医疗方案特征权重向量；
接着，根据医学知识特征权重向量和医学知识特征向量获取第一加权特征向量，并根据病例案例和医疗方案特征向量和病例案例和医疗方案特征权重向量获取第二加权特征向量；
通过将第一加权特征向量和第二特征向量进行拼接，便能得到医学知识检索特征向量。
在一种可能的实现方式中，针对步骤S130，根据医学知识检索特征向量生成所述医学知识检索终端用户对应的医学知识检索行为监控结果，并根据医学知识检索行为监控结果生成对应的医学知识图谱，可以通过以下示例性步骤具体实现：
首先，根据医学知识检索终端200的用户对应的医学知识检索行为监控结果以及知识检索特征向量，进行医学知识信息语义信息抽取；
然后，根据抽取的语义信息，获取医学知识关系以及医学知识属性信息，形成医学知识库，并对医学知识库中的实体进行实体消歧和共指消解，判断所述医学知识库的同名实体与之是否代表不同的含义以及所述知识库中是否存在其他命名实体阈值表示相同的含义；其中，实体指某一特定的医学知识点；
最后，合并实体消歧和共指消解后的医学知识库，实现实体链接，生成医学知识图谱。
在实际应用过程中，医学知识图谱管理检索平台100会记录每次医学知识检索过程所生成的医学知识图谱，并将所述医学知识图谱推送至医学知识图谱管理平台的数据库中存储，形成医学知识图谱库。
图3为为本发明实施例提供的医学知识图谱智慧检索装置的功能模块示意图，本实施例可以根据上述医学知识图谱智慧管理检索平台100执行的方法实施例对该医学知识图谱智慧检索装置进行功能模块的划分，也即该医学知识图谱智慧检索装置所对应的以下各个功能模块可以用于执行上述医学知识图谱智慧管理检索平台100执行的各个方法实施例。其中，该医学知识图谱智慧检索装置可以包括检索行为监控模块310、特征识别模块320以及数据挖掘模块330，下面分别对该医学知识图谱智慧检索装置300的各个功能模块的功能进行详细阐述。
检索行为监控模块310，用于获取医学知识检索终端200在检索过程中的被检索医学知识信息，并汇集成医学知识信息列表及所述医学知识信息列表的关联列表，并提取所述医学知识信息列表的第一检索行为特征及所述医学知识信息列表的关联列表的第二检索行为特征，其中，所述医学知识信息列表为所述医学知识检索终端200通过主动医学知识检索行为并点击浏览相关医学知识后，根据检索关键字和医学知识内容关键字生成的医学知识信息列表，所述医学知识信息列表的关联列表为根据医学知识检索终端的浏览行为和医学知识关联关系进行推荐的医学知识信息列表，包括所述医学知识的病例案例信息以及所述病例案例相关的医疗方案信息。其中，检索行为监控模块310用于执行上述步骤S110，检索行为监控模块310的示例性实现方式可以参照上述针对步骤S110的描述即可。
特征识别模块320，用于对所述第一检索行为特征和所述第二检索行为特征的各检索节点进行跟踪识别，得到医学知识检索第一跟踪识别结果和第二跟踪识别结果。其中，特征识别模块320可以用于执行上述的步骤S120，关于特征识别模块320的详细实现方式可以参照上述针对步骤S120的详细描述即可。
数据挖掘模块330，用于根据所述第一跟踪识别结果和第二跟踪识别结果，对第一跟踪识别结果和第二跟踪识别结果进行合成，获取医学知识检索特征向量；然后，根据医学知识检索特征向量，生成所述医学知识检索终端用户对应的医学知识检索行为监控结果，并根据医学知识检索行为监控结果生成对应的医学知识图谱，完成对用户检索行为的数据挖掘。其中，数据挖掘模块330可以用于执行上述的步骤S130，关于数据挖掘模块330的详细实现方式可以参照上述针对步骤S130的详细描述即可。
需要说明的是，应理解以上装置的各个模块的划分仅仅是一种逻辑功能的划分，实际实现时可以全部或部分集成到一个物理实体上，也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现；也可以全部以硬件的形式实现；还可以部分模块通过处理元件调用软件的形式实现，部分模块通过硬件的形式实现。例如，检索行为监控模块310可以为单独设立的处理元件，也可以集成在上述装置的某一个芯片中实现，此外，也可以以程序代码的形式存储于上述装置的存储器中，由上述装置的某一个处理元件调用并执行以上检索行为监控模块310的功能。其它模块的实现与之类似。此外这些模块全部或部分可以集成在一起，也可以独立实现。这里所描述的处理元件可以是一种集成电路，具有信号的处理能力。在实现过程中，上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。
例如，以上这些模块可以是被配置成实施以上方法的一个或多个集成电路，例如：一个或多个特定集成电路(application specific integrated circuit，ASIC)，或，一个或多个微处理器(digital signal processor，DSP)，或，一个或者多个现场可编程门阵列(field programmable gate array，FPGA)等。再如，当以上某个模块通过处理元件调度程序代码的形式实现时，该处理元件可以是通用处理器，例如中央处理器(centralprocessing unit，CPU)或其它可以调用程序代码的处理器。再如，这些模块可以集成在一起，以片上系统(system-on-a-chip，SOC)的形式实现。
图4展示了本发明实施例提供的医学知识图谱智慧管理检索平台100的结构示意框图，如图4所示，医学知识图谱智慧管理检索平台100可包含多个多台检索服务器110和资源分配服务器120。其中，资源分配服务器120接收医学知识检索客户端的检索请求，并根据检索服务平台的工作负载情况分配处理所述检索请求对应的所述检索服务平台服务器处理检索请求，并返回检索结果。例如，在一个拥有3台检索服务器的医学知识图谱智慧管理检索平台中，检索服务器1的负载为80％，检索服务器2的负载为50％，检索服务器3为空闲状态，那么在资源分配服务器120会记录三个检索服务器的工作载状态，当资源分配服务器120收到一个新的检索请求时，根据三个服务器的载荷情况，自动选择服务器3作为本次请求的处理检索服务器。
图5示出了本发明实施例提供的医学知识图谱智慧管理检索服务器110的结构示意框图，如图5所示，医学知识图谱智慧管理检索服务器110可包括处理器111、机器可读存储介质112、总线113以及收发器114。
在具体实现过程中，至少一个处理器111执行所述机器可读存储介质112存储的计算机执行指令，使得处理器111可以执行如上方法实施例的医学知识图谱智慧检索方法，其中，处理器111、机器可读存储介质112以及收发器114通过总线113连接，处理器111可以用于控制收发器114的收发动作，从而可以与前述的医学知识检索终端200进行数据收发。
处理器111的具体实现过程可参见上述医学知识图谱智慧管理检索平台100执行的各个方法实施例，其实现原理和技术效果类似，本实施例此处不再赘述。
在上述的图5所示的实施例中，应理解，处理器可以是中央处理单元(CentralProcessing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital SignalProcessor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)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。结合发明所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
机器可读存储介质112可能包含高速RAM存储器，也可能还包括非易失性存储NVM，例如至少一个磁盘存储器。
总线113可以是工业标准体系结构(Industry Standard Architecture，ISA)总线、外部设备互连(Peripheral Component Interconnect，PCI)总线或扩展工业标准体系结构(Extended Industry Standard Architecture，EISA)总线等。总线113可以分为地址总线、数据总线、控制总线等。为便于表示，本申请附图中的总线并不限定仅有一根总线或一种类型的总线。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员当理解：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，并不驱使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
本发明中，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列单元的系统、产品或设备不必限于清楚地列出的那些单元，而是可包括没有清楚地列出的或对于这些产品或设备固有的其它单元。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (9)
1.一种医学知识图谱智慧检索方法，其特征在于，应用于医学知识图谱管理检索平台，所述医学知识图谱管理检索云平台与多个医学知识检索终端连接，所述方法包括：
获取所述医学知识检索终端在检索过程中的被检索医学知识信息，并汇集成医学知识信息列表及所述医学知识信息列表的关联列表，并提取所述医学知识信息列表的第一检索行为特征及所述医学知识信息列表的关联列表的第二检索行为特征，其中，所述医学知识信息列表为所述医学知识检索终端通过主动医学知识检索行为并点击浏览相关医学知识后，根据检索关键字和医学知识内容关键字生成的医学知识信息列表，所述医学知识信息列表的关联列表为根据医学知识检索终端的浏览行为和医学知识关联关系进行推荐的医学知识信息列表，包括所述医学知识的病例案例信息以及所述病例案例相关的医疗方案信息；
对所述第一检索行为特征的各检索节点进行跟踪识别，得到医学知识检索第一跟踪识别结果，所述医学知识检索第一跟踪识别结果包括在所述医学知识检索过程中第一检索行为特征中的各医学知识阅读节点的知识类型关联特征以及各阅读节点对应的关联度，每个检索行为的阅读节点分别对应一种行为记录；
对所述第二检索行为特征的对所述第二检索行为特征的各检索节点进行跟踪识别，得到医学知识检索第二跟踪识别结果，所述医学知识检索第二跟踪识别结果包括所述第二检索行为特征中的关联病例案例和所述病例案例的医疗方案信息以及关联病例案例和所述病例案例的医疗方案信息的关联度；
根据所述第一跟踪识别结果和第二跟踪识别结果，对第一跟踪识别结果和第二跟踪识别结果进行合成，获取医学知识检索特征向量；
根据医学知识检索特征向量，生成所述医学知识检索终端用户对应的医学知识检索行为监控结果，并根据医学知识检索行为监控结果生成对应的医学知识图谱；
根据所述医学知识图谱，使用人工智能模型智能生成对应的医学知识检索终端用户医学知识网及推荐的医疗处置方案，并推送至医学知识图谱管理平台的用户个人存储空间以及平台医学知识图谱库中进行存储。
2.根据权利要求1所述的一种医学知识图谱智慧检索方法，其特征在于，所述提取所述医学知识信息列表的第一检索行为特征及所述医学知识信息列表的关联列表的第二检索行为特征的步骤，包括：
根据预先约定的医学知识检索行为特征匹配策略提取所述医学知识信息列表中的匹配关键特征并提取所述匹配关键特征中的第一关键特征匹配向量；根据预先约定的医学知识检索行为特征匹配策略提取所述医学知识信息列表的关联列表中的匹配关键特征并提取所述匹配关键特征中的第二关键特征匹配向量；
获取第一关键特征匹配向量对应的医学知识检索行为第一参数集合，所述医学知识检索行为第一参数集合包括检索关键字信息和医学知识文本内容关键词以及医学知识浏览时间节点信息，所述医学知识浏览时间节点信息用于标记医学知识检索行为参数识别过程中的时序关系；
获取第二关键特征匹配向量对应的医学知识检索行为第二参数集合，所述第二参数集合包括医学知识的病例案例信息以及所述病例案例相关的医疗方案关键词；
根据第一参数集合获取所述医学知识信息列表对应的医学知识关键字定位序列，其中，所述知识关键字定位序列为所述医学知识信息列表中当前第一检索信息单元与第二检索信息单元的医学知识关键字定位序列，所述第二检索信息单元为所述第一检索信息单元的附属信息单元；
根据第二参数集合中每个参数的参数序号与所述医学知识关键字定位序列进行比较，得到比较结果，所述比较结果表示所述第二参数集合中的参数是位于所述第一检索信息单元内或者位于所述第二检索信息单元内；
根据所述比较结果提取所述第一检索行为特征和第二检索行为特征。
3.根据权利要求2所述的一种医学知识图谱智慧检索方法，其特征在于，所述根据比较结果提取所述第一检索行为特征和第二检索行为特征的步骤，包括：
根据所述第一参数集合，从所述第二参数集合中选取医学知识的病例案例信息以及所述病例案例相关的医疗方案关键词信息，并从所述第一参数集合中获取位于所述第一检索信息单元和第二检索信息单元内的医学知识关键字信息参数；
当所述医学知识关键字信息位于当前的第一检索信息单元时，根据所述医学知识关键字信息参数的位置在第一参数集合中确定对应的第一合成参数以及在所述第二参数集合中确定对应的第二合成参数，并将所述第一合成参数在所述第一参数集合中的参数特征向量与所述第二合成参数在所述第二参数集合中的参数特征向量进行拼接，最终得到第一目标参数向量，并将第一参数集合的参数向量更新为第一目标参数向量；
当所述医学知识关键字信息位于当前的第二检索信息单元时，根据所述医学知识关键字信息参数的位置在第一参数集合中确定对应的第一合成参数以及在所述第二参数集合中确定对应的第三合成参数，并将所述第一合成参数在所述第一参数集合中的参数特征向量与所述第三合成参数在所述第二参数集合中的参数特征向量进行拼接，最终得到第二目标参数向量，并将第二参数集合的参数向量更新为第二目标参数向量
提取参数向量更新为第一目标参数向量的第一参数集合的检索行为特征信息，得到第一检索行为特征；
提取参数向量更新为第二目标参数向量的第二参数集合的检索行为特征信息，得到第二检索行为特征。
4.根据权利要求1所述的一种医学知识图谱智慧检索方法，其特征在于，所述对所述第一检索行为特征的各检索节点进行跟踪识别，得到医学知识检索第一跟踪识别结果以及对所述第二检索行为特征的对所述第二检索行为特征的各检索节点进行跟踪识别，得到医学知识检索第二跟踪识别结果的步骤，包括：
对所述第一检索行为特征中医学知识检索关键字以及医学知识阅读节点进行跟踪识别，得到第一医学知识阅读轨迹图；
在所述第一医学知识阅读轨迹图上提取所述医学知识阅读行为节点的阅读时长特征和阅读流向特征，所述阅读流向特征用于描述医学知识阅读轨迹图中每个节点的变化趋势；
根据所述医学知识阅读行为节点的阅读时长特征和阅读流向特征得到各医学知识阅读节点的知识类型关联标签以及各阅读节点对应的关联度；
对所述第二检索行为特征中病例案例以及医疗方案的阅读节点进行跟踪识别，得到第二医学知识阅读轨迹图；
在所述第二医学知识阅读轨迹图上提取所述病例案例以及医疗方案阅读行为节点的阅读时长特征和阅读流向特征，所述阅读流向特征用于描述医学知识阅读轨迹图中每个节点的变化趋势；
根据所述病例案例以及医疗方案阅读行为节点的阅读时长特征和阅读流向特征得到关联病例案例和所述病例案例的医疗方案信息的关联度。
5.根据权利要求4所述的一种医学知识图谱智慧检索方法，其特征在于，所述根据所述医学知识阅读行为节点的阅读时长特征和阅读流向特征得到各医学知识阅读节点的知识类型关联节点以及各阅读节点对应的关联度的步骤，包括：
对所述医学知识阅读行为节点的阅读时长特征和阅读流向特征分别做聚类计算，得到第一聚类结果；
基于第一聚类结果中与所述医学知识阅读行为节点的阅读时长特征匹配的聚类结果，在预设医学知识特征库中进行匹配，得到与所述医学知识阅读行为节点的阅读时长特征匹配的第一匹配结果；
基于所述第一聚类结果与所述医学知识阅读流向特征相匹配的聚类结果，在预设医学知识特征库中进行匹配，得到所述医学知识阅读流向特征匹配的第二匹配结果；
获取所述第一匹配结果与所述第二匹配结果距离相近的匹配结果，作为初始结果，评估所述初始结果中各项匹配结果与所述医学知识阅读节点的距离，并根据评估的距离对所述初始结果中包含的定位结果进行合成，得到目标定位结果；
获取所述目标定位结果中的每项定位结果的医学知识类型关联节点，并对获取到的每一个医学知识类型关联节点分别进行医学知识阅读时长特征提取和医学知识阅读流向特征提取；
对于所述每一个医学知识类型关联节点，对所述医学知识阅读时长特征和医学知识阅读流向特征分别进行聚类计算，得到所述医学知识类型关联节点的聚类结果；
获取所述医学知识类型关联节点在所述定位结果中的位置，并根据所述定位结果的信息以及所述医学知识类型关联节点在所述定位结果中的位置，对所述医学知识类型关联节点的聚类结果进行关联，因而得到各医学知识阅读节点的知识类型关联特征以及各阅读节点对应的关联度。
6.根据权利要求1所述的一种医学知识图谱智慧检索方法，其特征在于，所述根据所述第一跟踪识别结果和第二跟踪识别结果，对第一跟踪识别结果和第二跟踪识别结果进行合成获取医学知识检索特征向量的步骤，包括：
根据第一跟踪识别结果，获取所述医学知识检索过程中第一检索行为特征中的各医学知识阅读节点的知识类型关联特征以及各阅读节点对应的关联度，并根据医学知识类型关联特征生成医学知识特征向量，根据各医学知识阅读节点对应的关联度生成医学知识特征权重向量；
根据第二跟踪识别结果，获取所述医学知识检索过程中第二检索行为特征中的关联病例案例和所述病例案例的医疗方案信息以及关联病例案例和所述病例案例的医疗方案信息的关联度，并根据病例案例和所述病例案例关联的医疗方案生成病例案例和医疗方案特征向量，根据关联病例案例和所述病例案例的医疗方案信息的关联度生成病例案例和医疗方案特征权重向量；
根据所述医学知识特征权重向量和所述医学知识特征向量获取第一加权特征向量；根据病例案例和医疗方案特征向量和病例案例和医疗方案特征权重向量获取第二加权特征向量；
将第一加权特征向量和第二特征向量进行拼接，得到医学知识检索特征向量。
7.根据权利要求1所述的一种医学知识图谱智慧检索方法，其特征在于，所述根据医学知识检索特征向量，生成所述医学知识检索终端用户对应的医学知识检索行为监控结果，并根据医学知识检索行为监控结果生成对应的医学知识图谱的步骤，包括：
根据医学知识检索终端用户对应的医学知识检索行为监控结果以及知识检索特征向量，进行医学知识信息语义信息抽取；
根据抽取的语义信息，获取医学知识关系以及医学知识属性信息，形成医学知识库；
对所述医学知识库中的实体进行实体消歧和共指消解，判断所述医学知识库的同名实体与之是否代表不同的含义以及所述知识库中是否存在其他命名实体阈值表示相同的含义；所述实体指某一特定的医学知识点；
合并实体消歧和共指消解后的医学知识库，实现实体链接，生成医学知识图谱。
8.根据权利要求1至7中任意一项所述的一种医学知识图谱智慧检索方法，其特征在于，所述方法还包括：
记录每次医学知识检索过程所生成的医学知识图谱，并将所述医学知识图谱推送至医学知识图谱管理平台的数据库中存储，形成医学知识图谱库。
9.一种医学知识图谱管理检索平台，其特征在于，所述医学知识图谱管理检索平台由检索服务平台和资源分配服务器组成，所述资源分配服务器接收医学知识检索客户端的检索请求，并根据检索服务平台的工作负载情况分配处理所述检索请求对应的所述检索服务平台服务器处理检索请求，并返回检索结果；检索服务平台包括多台检索服务器，所述检索服务器包括处理器、机器可读存储介质和网络接口，所述机器可读存储介质、所述网络接口以及所述处理器之间通过总线系统相连，所述网络接口用于与多个医学知识检索终端通信连接，所述机器可读存储介质用于存储程序、指令或代码，所述处理器用于执行所述机器可读存储介质中的程序、指令或代码，以执行权利要求1-8中任意一项的医学知识图谱智慧检索方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011513296.9A CN112612901A (zh) | 2020-12-17 | 2020-12-17 | 一种医学知识图谱智慧管理检索平台 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011513296.9A CN112612901A (zh) | 2020-12-17 | 2020-12-17 | 一种医学知识图谱智慧管理检索平台 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112612901A true CN112612901A (zh) | 2021-04-06 |
Family
ID=75245153
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011513296.9A Withdrawn CN112612901A (zh) | 2020-12-17 | 2020-12-17 | 一种医学知识图谱智慧管理检索平台 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112612901A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113590736A (zh) * | 2021-08-12 | 2021-11-02 | 成都数之联科技有限公司 | 索引管理方法、装置、电子设备和可读存储介质 |
| CN113641784A (zh) * | 2021-06-25 | 2021-11-12 | 合肥工业大学 | 医教研一体化的医疗知识推荐方法和系统 |
| CN113645604A (zh) * | 2021-07-27 | 2021-11-12 | 上海德衡数据科技有限公司 | 基于智慧医疗的病房呼救方法及系统 |
-
2020
- 2020-12-17 CN CN202011513296.9A patent/CN112612901A/zh not_active Withdrawn
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113641784A (zh) * | 2021-06-25 | 2021-11-12 | 合肥工业大学 | 医教研一体化的医疗知识推荐方法和系统 |
| CN113645604A (zh) * | 2021-07-27 | 2021-11-12 | 上海德衡数据科技有限公司 | 基于智慧医疗的病房呼救方法及系统 |
| CN113645604B (zh) * | 2021-07-27 | 2022-09-20 | 上海德衡数据科技有限公司 | 基于智慧医疗的病房呼救方法及系统 |
| CN113590736A (zh) * | 2021-08-12 | 2021-11-02 | 成都数之联科技有限公司 | 索引管理方法、装置、电子设备和可读存储介质 |
| CN113590736B (zh) * | 2021-08-12 | 2024-05-07 | 成都数之联科技股份有限公司 | 索引管理方法、装置、电子设备和可读存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111540466B (zh) | 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 | |
| CN112612901A (zh) | 一种医学知识图谱智慧管理检索平台 | |
| CN109086394B (zh) | 搜索排序方法、装置、计算机设备和存储介质 | |
| US9087111B2 (en) | Personalized tag ranking | |
| US7818279B2 (en) | Event detection based on evolution of click-through data | |
| US20130124368A1 (en) | Performing deduplication on product information search results | |
| CN111159563B (zh) | 用户兴趣点信息的确定方法、装置、设备及存储介质 | |
| CN111159413A (zh) | 日志聚类方法、装置、设备及存储介质 | |
| CN111540421B (zh) | 基于大数据的智慧医疗病情监控方法及大数据医疗云平台 | |
| CN113032668A (zh) | 基于用户画像的产品推荐方法、装置、设备及存储介质 | |
| CN115374781A (zh) | 文本数据信息挖掘方法、装置、设备 | |
| CN112818195B (zh) | 数据获取方法、装置、系统及计算机存储介质 | |
| Ionescu et al. | Benchmarking image retrieval diversification techniques for social media | |
| WO2022227171A1 (zh) | 关键信息提取方法、装置、电子设备及介质 | |
| US11163779B1 (en) | Binary representations of objects based on object attributes | |
| CN112151187B (zh) | 信息查询方法、装置、计算机设备和存储介质 | |
| CN112632378A (zh) | 基于大数据和人工智能的信息处理方法及数据服务器 | |
| CN111507400A (zh) | 应用分类方法、装置、电子设备以及存储介质 | |
| Zhang et al. | An efficient collaborative filtering approach using smoothing and fusing | |
| CN109815351A (zh) | 信息查询方法及相关产品 | |
| CN114461822A (zh) | 资源处理方法、装置、设备及存储介质 | |
| KR20170086386A (ko) | 콘텐츠를 추적하는 방법 및 이를 사용하는 전자 장치 | |
| CN117931812B (zh) | 一种面向数据空间的数字对象元注册表系统及搜索方法 | |
| Srikala et al. | Certain issues in web page prediction, classification and clustering in data mining | |
| JP2023170583A (ja) | 情報処理装置、情報処理方法、および情報処理プログラム |
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 | ||
| WW01 | Invention patent application withdrawn after publication | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210406 |