CN113742443A - 多药共用查询方法、移动终端及存储介质 - Google Patents

多药共用查询方法、移动终端及存储介质 Download PDF

Info

Publication number
CN113742443A
CN113742443A CN202010474272.0A CN202010474272A CN113742443A CN 113742443 A CN113742443 A CN 113742443A CN 202010474272 A CN202010474272 A CN 202010474272A CN 113742443 A CN113742443 A CN 113742443A
Authority
CN
China
Prior art keywords
query
graph
nodes
node
subgraph
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
CN202010474272.0A
Other languages
English (en)
Inventor
任佳伟
魏小红
王洪
雷一鸣
刘楠
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.)
BOE Technology Group Co Ltd
Original Assignee
BOE Technology Group Co 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 BOE Technology Group Co Ltd filed Critical BOE Technology Group Co Ltd
Priority to CN202010474272.0A priority Critical patent/CN113742443A/zh
Priority to PCT/CN2021/086133 priority patent/WO2021238436A1/zh
Publication of CN113742443A publication Critical patent/CN113742443A/zh
Pending legal-status Critical Current

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
    • G06F16/31—Indexing; Data structures therefor; Storage structures
    • G06F16/316—Indexing structures
    • G06F16/319—Inverted lists
    • 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
    • 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
    • G06F16/332—Query formulation
    • 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
    • G06F16/332—Query formulation
    • G06F16/3322—Query formulation using system suggestions
    • G06F16/3323—Query formulation using system suggestions using document space presentation or visualization, e.g. category, hierarchy or range presentation and selection
    • 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
    • G06F16/3332—Query translation
    • G06F16/3338—Query expansion
    • 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
    • G06F16/338—Presentation of query results
    • 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
    • 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
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • 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
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
    • G16H20/13—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients delivered from dispensers
    • 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
    • G16H70/40—ICT specially adapted for the handling or processing of medical references relating to drugs, e.g. their side effects or intended usage

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Epidemiology (AREA)
  • Medicinal Chemistry (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Chemical & Material Sciences (AREA)
  • Pharmacology & Pharmacy (AREA)
  • Toxicology (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申请公开了一种多药共用查询方法。多药共用查询方法包括步骤：根据查询条件构建查询图；切分查询图以得到多个查询子图；和根据多个查询子图在知识图谱中进行查询并返回用药查询结果。本申请实施方式的多药共用查询方法中，通过知识图谱的方式对海量疾病药物数据及它们之间复杂进行管理，将查询条件构建成查询图，利用查询图在知识图谱的数据图中进行查找，有效地解决在老年患者复杂多病共存、多药共用场景中可能面临的问题，通过将查询图切分成查询子图的方式，提高了查询处理的效率。本申请还公开了一种移动终端和存储介质。

Description

多药共用查询方法、移动终端及存储介质
技术领域
本申请涉及医疗技术领域，特别涉及一种多药共用查询方法、移动终端和存储介质。
背景技术
老年病患往往同时患有多种慢性疾病，因此，需要同时使用多种药物进行治疗，患者自行用药不同医生指导用药时，由于不了解各个药物和疾病之间的影响，可能会出现多药共用引起的不良反应。老年病患多药共用的综合分析成为亟待解决的问题。
发明内容
有鉴于此，本申请的实施例提供了一种多药共用查询方法、移动终端和计算机可读存储介质。
本申请提供了一种多药共用查询方法，所述多药共用查询方法包括：
根据查询条件构建查询图；
切分所述查询图以得到多个查询子图；和
根据所述多个查询子图在知识图谱中进行查询并返回用药查询结果。
在某些实施方式中，所述查询条件包括药物信息和疾病信息，所述根据查询条件构建查询图的步骤包括：
根据所述药物信息和疾病信息构建所述查询图。
在某些实施方式中，所述切分所述查询图以得到多个查询子图的步骤包括：
选取中心查询节点；
将所述中心查询节点及所述中心查询节点的相邻查询节点划分为一个查询子图。
在某些实施方式中，所述根据所述多个查询子图在知识图谱中进行查询并返回用药查询结果的步骤包括：
计算所述查询子图在搜索空间中的处理代价以确定所述查询图的查询计划。
在某些实施方式中，所述计算所述查询子图在搜索空间中的处理代价以确定所述查询图的查询计划的步骤包括：
计算所述查询子图中每个待查询节点的查询代价；
根据所述查询代价计算所述查询子图中各个查询节点的连接代价以确定所述处理代价；
根据多个所述查询子图的处理代价的排序结果确定所述查询计划。
在某些实施方式中，所述计算所述查询子图在搜索空间中的处理代价以确定所述查询图的查询计划的步骤包括：
建立所述知识图谱的节点的谓词倒排索引以对所述搜索空间进行压缩。
在某些实施方式中，所述建立所述知识图谱的节点的谓词的倒排索引对所述搜索空间进行压缩的步骤包括：
基于所述查询图中的查询节点的传入和/或传出谓词结构与所述知识图谱的节点的谓词倒排索引进行匹配的结果对所述搜索空间进行压缩。
在某些实施方式中，所述计算所述查询子图在搜索空间中的处理代价以确定所述查询图的查询计划的步骤包括：
根据所述查询计划确定所述查询子图的查询顺序。
在某些实施方式中，所述根据所述查询计划确定所述查询子图的查询顺序的步骤包括：
对当前查询子图中各查询节点在所述查询图中谓词结构一致的节点数目进行排序；
根据所述排序的结果确定所述查询节点的查询顺序。
在某些实施方式中，所述根据所述排序的结果确定所述查询节点的查询顺序的步骤包括：
根据所述查询节点的查询顺序在所述搜索空间中获取所述查询节点的匹配节点及所述匹配节点的关联节点并存储在结果集中；
以所述结果集作为所述用药查询结果返回。
在某些实施方式中，所述以所述结果集作为所述用药查询结果返回的步骤包括：
对所述结果集进行过滤处理，以得到精确查询结果。
在某些实施方式中，所述对所述结果集进行过滤处理以得到精确查询结果的步骤包括：
根据所述知识图谱和所述查询图过滤所述结果集中的重复节点以得到精确查询结果。
本申请提供了一种移动终端，包括一个或多个处理器、存储器；和一个或多个程序，其中所述一个或多个程序被存储在所述存储器中，并且被所述一个或多个处理器执行，所述程序包括用于执行如上所述的多药共用查询方法的指令。
本申请提供了一种包含计算机可执行指令的非易失性计算机可读存储介质，当所述计算机可执行指令被一个或多个处理器执行时，使得所述处理器执行所述的多药共用查询方法。
本申请实施方式的多药共用查询方法、移动终端和计算机可读存储介质中，通过知识图谱的方式对海量疾病药物数据及它们之间复杂进行管理，将查询条件构建成查询图，利用查询图在知识图谱的数据图中进行查找，有效地解决在老年患者复杂多病共存、多药共用场景中可能面临的问题，通过将查询图切分成查询子图的方式，提高了查询处理的效率。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1是本申请某些实施方式的多药共用查询方法的流程示意图。
图2是本申请某些实施方式的多药共用查询装置的模块示意图。
图3是本申请某些实施方式的知识图谱的示意图。
图4是本申请某些实施方式的多药共用查询方法的流程示意图。
图5是本申请某些实施方式的多药共用查询方法的流程示意图。
图6是本申请某些实施方式的多药共用查询方法的流程示意图。
图7是本申请某些实施方式的多药共用查询方法的流程示意图。
图8是本申请某些实施方式的多药共用查询方法的流程示意图。
图9是本申请某些实施方式的多药共用查询方法的流程示意图。
图10是本申请某些实施方式的多药共用查询方法的流程示意图
图11是本申请某些实施方式的多药共用查询方法的流程示意图。
图12是本申请某些实施方式的多药共用查询方法的流程示意图。
图13是本申请某些实施方式的多药共用查询方法的交互示意图。
具体实施方式
下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。
请参阅图1，本申请提供了一种多药共用查询方法。包括：
S10：根据查询条件构建查询图；
S20：切分查询图以得到多个查询子图；
S30：根据多个查询子图在知识图谱中进行查询并返回用药查询结果。
请参阅图2，本申请实施方式提供了一种移动终端。移动终端包括处理器。处理器用于根据查询条件构建查询图，及用于切分查询图以得到多个查询子图，以及用于根据多个查询子图在知识图谱中进行查询并返回用药查询结果。移动终端可以是手机、平板电脑、个人电脑等消费性电子设备，也可以是智能医疗诊断设备，在此不做限定。
请参阅图2，本申请实施方式还提供了一种多药共用查询装置110，本申请实施方式的多药共用查询方法可以由本申请实施方式的多药共用查询装置110实现。
具体地，多药共用查询装置110包括查询图构建模块112、切分模块114和查询模块116。S10可以由查询图构建模块112实现，S20可以由切分模块114实现，S30可以由查询模块116实现。或者说，查询图构建模块112用于根据查询条件构建查询图。切分模块114用于切分查询图以得到多个查询子图。查询模块116用于根据多个查询子图在知识图谱中进行查询并返回用药查询结果。
本申请实施方式的多药共用查询方法、多药共用查询装置及移动终端中，通过知识图谱的方式对海量疾病药物数据及它们之间复杂进行管理，将查询条件构建成查询图，利用查询图在知识图谱的数据图中进行查找，有效地解决在老年患者复杂多病共存、多药共用场景中可能面临的问题，通过将查询图切分成查询子图的方式，提高了查询处理的效率。
具体地，多药共用是指对同一名患者同时使用了多种药物治疗一种或多种疾病。生活中，有相当数量的老年患者同时具有多种，例如3种或以上的慢性疾病。因为每一种疾病都需要一种或几种药物来进行治疗，并且由于慢性疾病治疗过程较长、治疗效果不明显、并且恢复周期较慢，因此，在用药过程中，老年患者较易出现心理状态的波动，可能出现如下行为：搜集治疗相关疾病的“土方”、“祖传秘方”等；跟随药物广告的宣传，或者是受病友、朋友或同事的影响，不遵从医生的医嘱，盲目的加药，例如在不了解药理的情况下自行增加新药、中药、非处方药物；不加选择的购买保健品服用。
上述老年患者盲目多药共用的行为较易引起药物不良反应，这种不良反应可能会被医生误认为是新出现的疾病，从而开具新的药物去治疗不良反应。如此，诸多因素使得老年慢性病患者的药物使用进入恶性循环，不利于疾病的治疗，甚至损害病患的健康。
此外，不合理的多药共用情况的成因除了可能由于病患处理失当造成，医生受限于自身的知识储备等原因也可能会出现判断错误而导致用药指导不合理或错误的情况发生。
可以理解地，多药共用分析涉及到诸如疾病-疾病、疾病-药物、药物-药物、药物-成分等复杂关系表达，本申请实施方式中，可通过领域专家构建、病例数据驱动的方式构建知识图谱，并通过图的方式进行管理和组织这些复杂关系。可以理解，相较于路径和树结构来说，图更能够表达复杂的结构信息，同时方便对海量异构数据进行管理扩展。如此，也即是将多药共用的问题转化为查询图在知识图谱的图数据中进行图匹配的问题。在知识图谱中快速进行关系路径分析，从而帮助医护人员更清晰的分析出老年患者在就诊及生活中复杂的多药共用因素，更准确地处理药物相互作用及不良反应问题，为老年患者制定有效、安全、个性化的用药方案。
通过知识图谱的方式对大量的疾病、药品数据及疾病与药品之间复杂进行管理和存储，利用查询图在知识图谱中进行查询，解决了在老年患者复杂多病共存、多药共用场景中面临的大规模、多属性、不确定和不同数据类型快速查询问题。
可以理解，针对多药共用的分析并不仅限于是简单的药物和药物之间是否有关系，而且还要综合考虑药物路径是否满足各种规则约束，相比较而言，复杂多属性的查询更具有实际意义。例如：药物之间是否有显著相互作用，是否有临床效果显著的药物-疾病状况相互作用，药物是否有适应症，药物是否有禁忌症，药物剂量是否正确，是否存在重复用药，药物治疗时间是否合理,与同等可替代药物相比，所选药物是否经济等等。
请参阅图3，本实施方式中，疾病-药物的知识图谱可通过各个疾病领域的医学工作者根据已有的药物知识经验以及现存的处方集等先验知识作为基本信息构建知识图谱。知识图谱可以包含以下知识关系：药物自身的药理、给药剂量、给药途径、作用机制、不良反应、用途、禁忌食物等，药物-药物之间的相互租用、配伍禁忌等，药物与症状之间的适应性、禁忌性，症状与疾病之间关联性等，疾病与药物之间的不良反应等。
需要说明地，知识关系并不限于本实施方式公开的内容，任何药物和疾病相关内容的关系均可以图的形式表达。
通过以图的形式来表示、管理、存储药学相关知识，可以更方便的表达药物-成分、药物-药物、药物-适应症、成分-不良反应等等上述复杂的关系，也更容易对这些知识图进行扩展和融合。
在本实施方式中，知识图谱包括数据资源层、逻辑关系层和节点方法层。其中，数据资源层包括临床路径、药物说明书、相互作用和/或相关教育资源。逻辑层将数据资源层和经验知识整合。节点显示层用于将知识关系以图谱化展示，用户可以进行知识网络探索。知识图谱的构建过程一般可包括知识表示、抽取、融合、推理以及质量的步骤，具体方法可参考知识图谱构建的相关技术，在此不再赘述。
本实施方式中，构建的药学知识图谱的数据图可用以下关系式表示：
G＝(V，E，A，I)；
其中，V是数据图中节点的集合，E是数据图中边的集合，A是知识图谱中多属性值得集合，即节点与边的标签集合，A＝(a1,a2,…,an)，ai为第i个属性，I是E到A的函数过程。
实际操作中，医生或患者输入药品，结合通过医院信息系统或电子病历获取的患者疾病、身体检测等信息，将这些信息构建查询图，可以通过知识图谱查询获取更全面综合的信息。
本申请中，构建查询图在知识图谱中进行查询的方式相较于通过提取患者的每个单一信息去知识图谱中查询，效率更高。可以理解地，采用单一信息去知识图谱中查询可能会获取到大量的信息，并包含患者不需要的冗余信息，但无法对冗余信息进行筛选，仍然需要人工识别和选择，存在风险。并且，在查询时，需要查询的患者的信息较多，逐一查询，耗时较长，效率较低。
其中，根据查询条件所构建的查询图中的节点和关系存在缺失和/或不明确的部分，通过在知识图谱中查询首先可以对缺失的节点和/或关系进行补全，补全后的图结构中如果某些药物之间存在相互作用，那么图中代表药物的节点之间会存在相应的指向。此外，还可以进行指定关系查询，例如指定相互作用、不良禁忌等关系进行查询。如此，得到的查询结果的图是对患者的更加全面、完整的综合分析。
用药查询的过程实际上是查询图在数据图中进行匹配的过程，与查询图结构相匹配的数据图中的子图也即是用药查询的结果。
可以理解地，将数据图的整体作为搜索空间，数据量较大，查询速度较慢，不利于快速获取查询结果。因此，需要重新确定数据的搜索范围也即是搜索空间，或者说需要将搜索空间压缩得更小，使得查询速度更快。
此外，当查询图中节点较多且结构复杂时，查询图中的每个查询节点在数据图中可能存在多个相匹配的节点，将查询图作为整体与数据图进行匹配会较为繁琐。在这种情况下，本实施例中将查询图切分为多个结构简单的查询子图，并通过查询子图与数据图进行匹配来进一步缩小每个查询子图的搜索空间。
请参阅图4，在某些实施方式中，查询条件包括药物信息和疾病信息，S10包括：
S11：根据药物信息和疾病信息构建查询图。
在某些实施方式中，S11可以由查询图构建模块112实现，也即是说，查询图构建模块114可用于根据药物信息和疾病信息构建查询图。
在某些实施方式中，处理器用于根据药物信息和疾病信息构建查询图。
具体地，本实施例中，查询图可用以下关系式表示：
Q＝(VQ,EQ,A,IQ,vars)；
其中:VQ表示查询图中的节点的集合,
Figure BDA0002515338750000071
代表连接两个节点的有向边的集合,A是查询图中节点与边的标签集合,IQ为映射函数,vars表示图中变量的集合。
在实际操作中，查询者，即病患或医生，输入自身存在的疾病、当前使用的药物等信息，处理器根据输入的信息构建所述的查询图，通过查询图与知识图谱进行匹配，进行多药共用的查询。输入的疾病和药物可作为查询图中的节点，药物-药物、药物-疾病、疾病-疾病等关系可作为查询图的边。当然，查询图也可以是先前建立，经用户选择输入从后台调取，在此不做限定。
请参阅图5，在某些实施方式中，S20包括：
S21：选取中心查询节点；
S22：将中心查询节点及中心查询节点的相邻查询节点划分为一个查询子图。
在某些实施方式中，S21和S22可以由切分模块114实现，或者说，切分模块114用于选取中心查询节点，以及用于将中心查询节点及中心查询节点的相邻查询节点划分为一个查询子图。
具体地，查询子图的切分需遵循中心覆盖节点的原则。具体而言，当一个节点有出度和入度，可以认为是该节点是中心查询节点，将该节点及该节点的相邻节点划分为一个查询子图，若两个相邻节点与中心查询节点构成封闭图形，则查询子图包括该图形。例如，对于一个节点V，若该节点V使得该节点到查询子图中的其他节点的边都在该查询子图中，节点V即是中心查询节点。需要说明地，切分过程中，要使得查询图中任意一条边至少被一个查询子图所覆盖，中心覆盖节点是查询子图的中心查询节点，从而确保切分的查询子图能够确保覆盖全部查询图。
在一个示例中，例如存在一查询图，包含串联关系V1→V2→V3→V4→V5，根据上述对于中心查询节点的定义，V2、V4即是中心查询节点，如此，可将上述查询图进行子图切分，得到V1→V2→V3、V3→V4→V5两个查询子图。
由此，对于复杂的查询图在进行切分时，首先通过例如线性规划和动态规划等方式计算中心查询节点集合，然后选出中心查询节点并把该节点的相邻节点划分在一起，从而得到查询子图。
如此，切分查询子图后，搜索空间由与查询图对应的数据图中的节点以及节点间的关系变为与查询子图对应的数据图中的节点以及节点间的关系，搜索空间得以压缩。
请参阅图6，在某些实施方式中，S30包括：
S31：计算查询子图在搜索空间中的处理代价确定查询图的查询计划。
在某些实施方式中，S31可以由查询模块116实现，也即是说，查询模块116用于计算查询子图在搜索空间中的处理代价确定查询图的查询计划。
在某些实施方式中，处理器用于计算查询子图在搜索空间中的处理代价确定查询图的查询计划。
可以理解地，将查询图切分成查询子图后，处理代价的基本单位是每个查询子图，查询子图匹配的效率将影响查询的整体效率。例如对于一个查询图其包含了3个中心查询节点，并由此切分成3个查询子图。由此，查询子图的查询顺序有6种，每种顺序产生的处理代价有所不同。
请参阅图7，在某些实施方式中，S31包括：
S311：计算查询子图中每个待查询节点的查询代价；
S312：根据查询代价计算查询子图中各个查询节点的连接代价以确定处理代价；
S313：根据多个查询子图的处理代价的排序结果确定查询计划。
在某些实施方式中，S311-S313可以由查询模块116实现，也即是说，查询模块116用于计算查询子图中每个待查询节点的查询代价，及用于根据查询代价计算查询子图中各个查询节点的连接代价以确定处理代价以及用于根据多个查询子图的处理代价的排序结果确定查询计划。
在某些实施方式中，处理器用于计算查询子图中每个待查询节点的查询代价，及用于根据查询代价计算查询子图中各个查询节点的连接代价以确定处理代价以及用于根据多个查询子图的处理代价的排序结果确定查询计划。
具体地，计算查询子图的处理代价过程中，首先计算每个待查询节点的代价，待查询节点的代价也即是搜索空间中的与该查询节点匹配的节点数量与该查询节点所在查询子图中的查询节点总数量的比值。
然后计算查询子图中各个待查询节点的连接代价，也即是单个节点代价相乘或相加，其中，连接代价具有影响因子，影响因子可根据是否与其他查询子图有公共节点设置。如此，计算得到查询子图的处理代价，并可进一步得到查询图的最佳查询计划。
将结构复杂的查询图切分为结构简单的子查询图后，通过节点的关系进行查询可以快速在数据图中进行匹配，查询效率得以提升。
如此，通过计算查询子图的处理代价可以得出查询图的最佳查询计划。例如，可以根据计算得到的处理代价，选择代价由低到高，即由易到难进行处理。
请参阅图8，在某些实施方式中，S31包括：
S314：建立知识图谱的节点的谓词倒排索引以对搜索空间进行压缩。
在某些实施方式中，S314可以由查询模块116实现。或者说，查询模块116用于建立知识图谱的节点的谓词倒排索引以对搜索空间进行压缩。
在某些实施方式中，处理器用于建立知识图谱的节点的谓词倒排索引以对搜索空间进行压缩。
具体地，由于谓词即关系具有指向性，因此知识图谱中会存在出度和入度为零的节点。由此，考虑到节点作为主语和宾语的两种情况，分别基于传入和传出谓词结构的节点倒排列表。基于传入和传出的谓词结构列表可对查询图中的查询节点进行过滤，最后获取符合与查询图结构相同的节点。在一个示例中，判断节点的结构是否相同，可通过判断节点传入和传出的谓词结构是否相同来实现。
例如，对于一个数据图而言，包含谓词p1、p2、p3，数据图中包含节点v1-v18，根据其数据图结构，建立基于传入、传出谓词结构的节点倒排列表：
Figure BDA0002515338750000091
可以理解地，数据图中的节点以及节点间的关系是复杂的，而谓词数量相较于节点数量更少的，因而可以建立基于谓词结构的倒排列表。建立倒排列表，可以快速在列表中定位查询节点所具有的谓词结构对应数据图中的节点，从而将搜索空间压缩。
请查阅图9，在某些实施方式中，S314包括：
S3141：基于查询图中的查询节点的传入和/或传出谓词结构与知识图谱的节点的谓词倒排索引进行匹配的结果对搜索空间进行压缩。
在某些实施方式中，S3141可以由查询模块116实现。也即是说，查询模块116用于基于查询图中的查询节点的传入和/或传出谓词结构与知识图谱的节点的谓词倒排索引进行匹配的结果对搜索空间进行压缩。
在某些实施方式中，处理器用于基于查询图中的查询节点的传入和/或传出谓词结构与知识图谱的节点的谓词倒排索引进行匹配的结果对搜索空间进行压缩。
具体地，在一个示例中，基于传入谓词结构，数据图中有谓词p、对应的节点集合为(v1,v2,v4,v8)，基于传出谓词结构，数据图中有谓词p1、对应的节点集合为(v1,v5,v6,v7,v8)。那么,对于查询图中有一个查询节点？V，其具有传入谓词结构p和传出谓词结构p1，那么查询节点？V可分别找到搜索空间S1(p1|v1,v5,v6,v7,v8)和搜索空间S2(p|v1,v2,4,v8)，综合S1和S2将搜索空间压缩，得到与查询节点？V相匹配的节点为v1和v8。
请参阅图10，在某些实施方式中，S31还包括：
S315：根据查询计划确定查询子图的查询顺序。
在某些实施方式中，S315可以由查询模块116实现。或者说，查询模块116用于根据查询计划确定查询子图的查询顺序。
在某些实施方式中，处理器用于根据查询计划确定查询子图的查询顺序。
具体地，在确定查询计划后可获取查询顺序，依照查询顺序，对每一个查询子图在搜索空间中进行查询。本实施例中，查询图切分为多个查询子图，查询过程中，可以根据每个查询子图中节点和边的数量进行排序，并按照数目的排序结果确定查询顺序。
如此，根据查询顺序执行查询，可保证查询动作符合一定的逻辑顺序，从而不重不漏的快速返回查询结果。
请参阅图11，在某些实施方式中，S315还包括：
S3151：对当前查询子图中各查询节点在查询图中谓词结构一致的节点数目进行排序；
S3152：根据排序的结果确定查询节点的查询顺序。
在某些实施方式中，S33-S34可以由查询模块116实现。或者说，查询模块116用于对当前查询子图中各查询节点在查询图中谓词结构一致的节点数目进行排序，以及用于根据排序的结果确定查询节点的查询顺序。
在某些实施方式中，处理器用于对当前查询子图中各查询节点在查询图中谓词结构一致的节点数目进行排序，以及用于根据排序的结果确定查询节点的查询顺序。
具体地，在确定查询子图的查询顺序后，还需要确定每个查询子图中各个查询节点的查询顺序。本实施例中，将当前查询子图中每个查询节点经过谓词结构匹配后结构相一致的节点数量最少的查询节点作为当前处理的查询节点。操作中，可以对每个查询节点的结构一致的节点的数量进行排序，并按照结构一致的节点的数目的排序结果，例如由少到多来确定查询节点的查询顺序。当然，还可以是其他的查询顺序，在此不做限定。
请参阅图12，在某些实施方式中，S3152还包括：
S31521：根据查询节点的查询顺序在搜索空间中获取查询节点的匹配节点及匹配节点的谓词结构并存储在结果集中；
S31522：以结果集作为用药查询结果返回。
在某些实施方式中，S35、S36可以由查询模块116实现。或者说，查询模块116用于根据查询节点的查询顺序在搜索空间中获取查询节点的匹配节点及匹配节点的关联节点并存储在结果集中，以及用于以结果集作为用药查询结果返回。
在某些实施方式中，处理器用于根据查询节点的查询顺序在搜索空间中获取查询节点的匹配节点及匹配节点的关联节点并存储在结果集中，以及用于以结果集作为用药查询结果返回。
请参阅图13，具体地，本实施例中，在确定查询子图以及查询节点的查询顺序后，可以从对应的搜索空间中获取当前查询节点的匹配节点，也即是搜索空间中与查询节点谓词结构相一致的节点，并将匹配节点存储在结果集当中，同时将与匹配节点的谓词结构相关联的节点也一并放入结果集中，从而对查询图进行扩展。
可以理解地，疾病、药品等信息可以看作是查询子图中的节点，两个节点之间的关系，例如两个药品之间的关联性，药品与疾病之间的关联性等，可以看作是查询子图的边，也即是谓词结构。在搜索空间中寻找查询节点的匹配节点以及关联节点，可看作是由输入的简单的疾病、药品等信息，在知识图谱中，完善与输入信息相关的内容，也即是用结构简单的查询子图去查询图中匹配得到结构复杂的数据图内容，包括返回更多的节点以及关联节点的扩展，从而给用户提供更全面准确的指导。
查询过程中，对每一个查询子图中的查询节点，都从搜索空间中获取结构一致的匹配节点以及匹配节点的关联节点。各个查询子图的查询结果均存储在结果集中，如此，结果集中包含着各个查询节点的匹配节点和关联节点。结果集作为最终的用药查询结果返回给查询者。具体地，处理器可将返回的结果集进行处理，根据节点与谓词关系绘制与结果集相对应的图结构的图示展示给查询者。例如，用户输入疾病1、疾病2、药品1、药品2，经查询后，返回药品2的禁忌食物、药品1与药品2之间的配伍禁忌、治疗疾病2的药品3，药品3与药品1之间的相互作用等，提供给用户更多疾病与用药信息。
在某些实施方式中，S31522包括：
对结果集进行过滤处理，以得到精确查询结果。
在某些实施方式中，该步骤可以由查询模块116实现。或者说，查询模块116用于对结果集进行过滤处理，以得到精确查询结果。
在某些实施方式中，处理器用于对结果集进行过滤处理，以得到精确查询结果。
在这样的实施方式中，该步骤还包括子步骤：
根据知识图谱和查询图过滤结果集中的重复节点以得到精确查询结果。
在某些实施方式中，该子步骤可以由查询模块116实现，或者说，查询模块116用于根据知识图谱和查询图过滤结果集中的重复节点以得到精确查询结果。
在某些实施方式中，处理器用于根据知识图谱和查询图过滤结果集中的重复节点以得到精确查询结果。
可以理解，通过前述方式查询得到的结果集中可能会存在多余或者重复的节点，例如，由于查询子图在划分时，可能包含多个查询子图包含同一查询节点的状况，因此，结果集中可能存在多余节点。此时，需要对结果集进行过滤处理，将这些可能存在的多余或者说重复的节点从结果集中滤除，从而得到精确的查询结果，过滤时，应当结合数据图与查询图的结构，保证针对每个查询节点的查询结果不重不漏，完整精确。
通过上述将查询图切分成子图，进而通过子图匹配的方式可以在复杂的图数据中快速的搜索符合查询请求的结果，可以使得在不丢失数据信息的前提下，响应速度更快，效率更高。在老年患者药物共用的场景中将会使查准率和查全率有较大的提高，并且在由于知识图谱具有语义、属性信息以及描述逻辑，因此查询结果可以有清晰的解释和推理路径。
本申请实施方式还提供了一种计算机可读存储介质。一个或多个包含计算机可执行指令的非易失性计算机可读存储介质，当计算机可执行指令被一个或多个处理器执行时，使得处理器执行上述任一实施方式的多药共用查询方法。
本申请实施方式还提供了一种移动终端。移动终端包括一个或多个存储器及一个或多个处理器，一个或多个程序被存储在存储器中，并且被配置成由一个或多个处理器执行。程序包括用于执行上述任意一项实施方式所述的多药共用查询方法。
处理器可用于提供计算和控制能力，支撑整个移动终端的运行。移动终端中的存储器为存储器其中的计算机可读指令运行提供环境。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，程序可存储于一非易失性计算机可读存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)等。
以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (14)

1.一种多药共用查询方法，其特征在于，包括以下步骤：
根据查询条件构建查询图；
切分所述查询图以得到多个查询子图；和
根据所述多个查询子图在知识图谱中进行查询并返回用药查询结果。
2.根据权利要求1所述的多药共用查询方法，其特征在于，所述查询条件包括药物信息和疾病信息，所述根据查询条件构建查询图的步骤包括：
根据所述药物信息和疾病信息构建所述查询图。
3.根据权利要求1所述的多药共用查询方法，其特征在于，所述切分所述查询图以得到多个查询子图的步骤包括：
选取中心查询节点；
将所述中心查询节点及所述中心查询节点的相邻查询节点划分为一个查询子图。
4.根据权利要求1所述的多药共用查询方法，其特征在于，所述根据所述多个查询子图在知识图谱中进行查询并返回用药查询结果的步骤包括：
计算所述查询子图在搜索空间中的处理代价以确定所述查询图的查询计划。
5.根据权利要求4所述的多用共用查询方法，其特征在于，所述计算所述查询子图在搜索空间中的处理代价以确定所述查询图的查询计划的步骤包括：
计算所述查询子图中每个待查询节点的查询代价；
根据所述查询代价计算所述查询子图中各个查询节点的连接代价以确定所述处理代价；
根据多个所述查询子图的处理代价的排序结果确定所述查询计划。
6.根据权利要求4所述的多药共用查询方法，其特征在于，所述计算所述查询子图在搜索空间中的处理代价以确定所述查询图的查询计划的步骤包括：
建立所述知识图谱的节点的谓词倒排索引以对所述搜索空间进行压缩。
7.根据权利要求6所述的多药共用查询方法，其特征在于，所述建立所述知识图谱的节点的谓词的倒排索引对所述搜索空间进行压缩的步骤包括：
基于所述查询图中的查询节点的传入和/或传出谓词结构与所述知识图谱的节点的谓词倒排索引进行匹配的结果对所述搜索空间进行压缩。
8.根据权利要求4所述的多药共用查询方法，其特征在于，所述计算所述查询子图在搜索空间中的处理代价以确定所述查询图的查询计划的步骤包括：
根据所述查询计划确定所述查询子图的查询顺序。
9.根据权利要求8所述的多药共用查询方法，其特征在于，所述根据所述查询计划确定所述查询子图的查询顺序的步骤包括：
对当前查询子图中各查询节点在所述查询图中谓词结构一致的节点数目进行排序；
根据所述排序的结果确定所述查询节点的查询顺序。
10.根据权利要求9所述的多药共用查询方法，其特征在于，所述根据所述排序的结果确定所述查询节点的查询顺序的步骤包括：
根据所述查询节点的查询顺序在所述搜索空间中获取所述查询节点的匹配节点及所述匹配节点的关联节点并存储在结果集中；
以所述结果集作为所述用药查询结果返回。
11.根据权利要求10所述的多药共用查询方法，其特征在于，所述以所述结果集作为所述用药查询结果返回的步骤包括：
对所述结果集进行过滤处理，以得到精确查询结果。
12.根据权利要求11所述的多药共用查询方法，其特征在于，所述对所述结果集进行过滤处理以得到精确查询结果的步骤包括：
根据所述知识图谱和所述查询图过滤所述结果集中的重复节点以得到精确查询结果。
13.一种移动终端，其特征在于，包括：
一个或多个处理器、存储器；和
一个或多个程序，其中所述一个或多个程序被存储在所述存储器中，并且被所述一个或多个处理器执行，所述程序包括用于执行根据权利要求1-12任意一项所述的多药共用查询方法的指令。
14.一种计算机可执行指令的非易失性计算机可读存储介质，其特征在于，当所述计算机可执行指令被一个或多个处理器执行时，使得所述处理器执行权利要求1-12中任一项所述的多药共用查询方法。
CN202010474272.0A 2020-05-29 2020-05-29 多药共用查询方法、移动终端及存储介质 Pending CN113742443A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202010474272.0A CN113742443A (zh) 2020-05-29 2020-05-29 多药共用查询方法、移动终端及存储介质
PCT/CN2021/086133 WO2021238436A1 (zh) 2020-05-29 2021-04-09 多药共用查询方法、移动终端及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010474272.0A CN113742443A (zh) 2020-05-29 2020-05-29 多药共用查询方法、移动终端及存储介质

Publications (1)

Publication Number Publication Date
CN113742443A true CN113742443A (zh) 2021-12-03

Family

ID=78724573

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010474272.0A Pending CN113742443A (zh) 2020-05-29 2020-05-29 多药共用查询方法、移动终端及存储介质

Country Status (2)

Country Link
CN (1) CN113742443A (zh)
WO (1) WO2021238436A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114625811A (zh) * 2022-05-16 2022-06-14 支付宝(杭州)信息技术有限公司 一种提高子图匹配效率的方法和系统
CN115842684A (zh) * 2023-02-21 2023-03-24 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) 一种基于mdata子图匹配的多步攻击检测方法

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114255885A (zh) * 2021-12-14 2022-03-29 浙江创邻科技有限公司 一种基于图数据的新药研发管理系统及方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108052547A (zh) * 2017-11-27 2018-05-18 华中科技大学 基于问句和知识图结构分析的自然语言问答方法及系统
US20180144424A1 (en) * 2016-11-18 2018-05-24 Yen4Ken, Inc. Method and system for content processing to query multiple healthcare-related knowledge graphs
CN108090179A (zh) * 2017-12-15 2018-05-29 北京海致星图科技有限公司 一种Spark并发子图查询的方法
CN110347846A (zh) * 2019-07-15 2019-10-18 苏州工业职业技术学院 有时间约束的非连通知识图谱查询方法
CN111192654A (zh) * 2019-12-30 2020-05-22 北京左医健康技术有限公司 基于知识图谱的用药指导查询方法及装置

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20200135314A1 (en) * 2018-10-29 2020-04-30 Pharmazam, LLC Personalized medication management and alert system and method
CN109918489B (zh) * 2019-02-28 2021-02-02 上海乐言信息科技有限公司 一种多策略融合的知识问答方法和系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180144424A1 (en) * 2016-11-18 2018-05-24 Yen4Ken, Inc. Method and system for content processing to query multiple healthcare-related knowledge graphs
CN108052547A (zh) * 2017-11-27 2018-05-18 华中科技大学 基于问句和知识图结构分析的自然语言问答方法及系统
CN108090179A (zh) * 2017-12-15 2018-05-29 北京海致星图科技有限公司 一种Spark并发子图查询的方法
CN110347846A (zh) * 2019-07-15 2019-10-18 苏州工业职业技术学院 有时间约束的非连通知识图谱查询方法
CN111192654A (zh) * 2019-12-30 2020-05-22 北京左医健康技术有限公司 基于知识图谱的用药指导查询方法及装置

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114625811A (zh) * 2022-05-16 2022-06-14 支付宝(杭州)信息技术有限公司 一种提高子图匹配效率的方法和系统
CN114625811B (zh) * 2022-05-16 2022-08-23 支付宝(杭州)信息技术有限公司 一种提高子图匹配效率的方法和系统
CN115842684A (zh) * 2023-02-21 2023-03-24 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) 一种基于mdata子图匹配的多步攻击检测方法

Also Published As

Publication number Publication date
WO2021238436A1 (zh) 2021-12-02

Similar Documents

Publication Publication Date Title
CN111191020A (zh) 基于机器学习和知识图谱的处方推荐方法和系统
WO2021238436A1 (zh) 多药共用查询方法、移动终端及存储介质
US20050015381A1 (en) Database management system
Kang et al. Interactive entity resolution in relational data: A visual analytic tool and its evaluation
WO2022116430A1 (zh) 基于大数据挖掘的模型部署方法、装置、设备及存储介质
CN111341456B (zh) 糖尿病足知识图谱生成方法、装置及可读存储介质
US10878010B2 (en) System and method for clinical trial candidate matching
GB2293667A (en) Database management system
CN112614565A (zh) 一种基于知识图谱技术的中药经典名方智能推荐方法
CN109065173B (zh) 知识路径的获取方法
CN112420202A (zh) 数据的处理方法、装置及设备
CN111180024A (zh) 基于词频逆文档频率的数据处理方法、装置和计算机设备
CN114121295A (zh) 一种知识图谱驱动的肝癌诊疗方案推荐系统的构建方法
Widanagamaachchi et al. Interactive visualization and exploration of patient progression in a hospital setting
Shneiderman et al. Interactive visual event analytics: Opportunities and challenges
CN104023002B (zh) 协议对准系统和为表示协议的进程图确定事件的最佳拟合的方法及设备
Bannach et al. Visual analytics for radiomics: Combining medical imaging with patient data for clinical research
CN112071431B (zh) 基于深度学习和知识图谱的临床路径自动生成方法及系统
Safaei Text-based multi-dimensional medical images retrieval according to the features-usage correlation
Sarkar Methods in biomedical informatics: a pragmatic approach
Alvarez et al. Application of the spreading activation technique for recommending concepts of well-known ontologies in medical systems
Liu et al. PatientEG dataset: bringing event graph model with temporal relations to electronic medical records
WO2020008899A1 (ja) 医療文書管理システム
Halland et al. Investigations into the use of SNOMED CT to enhance an OpenMRS health information system
Negi A Brief Survey On Text Mining, Its Techniques, And Applications

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