基于多数据源的医学知识图谱融合方法及装置[发明专利]

(12)发明专利申请

(10)申请公布号 CN 110866124 A(43)申请公布日 2020.03.06

(21)申请号 201911077284.3(22)申请日 2019.11.06

(71)申请人 北京诺道认知医学科技有限公司

地址 100161 北京市丰台区丰台北路18号3

号楼恒泰中心C座801(72)发明人 周永杰　高飞　王则远　刘静　(74)专利代理机构 北京路浩知识产权代理有限

公司 11002

代理人 张睿(51)Int.Cl.

G06F 16/36(2019.01)G06F 16/28(2019.01)G16H 70/00(2018.01)G06N 5/04(2006.01)

权利要求书2页 说明书13页 附图2页

(54)发明名称

基于多数据源的医学知识图谱融合方法及装置

(57)摘要

本发明实施例提供一种基于多数据源的医学知识图谱融合方法及装置。其中，方法包括：分别基于第一医学知识图谱和第二医学知识图谱进行知识表示学习，获取各第一初始向量和各第二初始向量；基于预先获取的参考向量集，将各第一初始向量和各第二初始向量映射到参考向量空间中，获取各第一映射向量和各第二映射向量；根据各第一映射向量和各第二映射向量，对第一医学知识图谱和第二医学知识图谱中的知识进行融合，获取融合后的医学知识图谱。本发明实施例提供的基于多数据源的医学知识图谱融合方法及装置，基于知识表示学习的方法，通

能获得内部逻辑过利用知识图谱内部的逻辑性，

性和表达能力更强的融合后的医学知识图谱。

CN 110866124 ACN 110866124 A

权　利　要　求　书

1/2页

1.一种基于多数据源的医学知识图谱融合方法，其特征在于，包括：分别基于第一医学知识图谱和第二医学知识图谱进行知识表示学习，获取各第一初始向量和各第二初始向量；

基于预先获取的参考向量集，将所述各第一初始向量和各第二初始向量映射到参考向量空间中，获取各第一映射向量和各第二映射向量；

根据所述各第一映射向量和各第二映射向量，对所述第一医学知识图谱和第二医学知识图谱中的知识进行融合，获取融合后的医学知识图谱；

其中，所述第一初始向量，为所述第一医学知识图谱中的实体或关系在第一向量空间中的向量表示结果；所述第二初始向量，为所述第二医学知识图谱中的实体或关系在第二向量空间中的向量表示结果；所述参考向量，为参考知识图谱中的实体在所述参考向量空间中的向量表示结果；所述第一医学知识图谱、所述第二医学知识图谱和所述参考知识图谱，是基于不同的医学数据源构建的。

2.根据权利要求1所述的基于多数据源的医学知识图谱融合方法，其特征在于，所述基于预先获取的参考向量集，将所述各第一初始向量和各第二初始向量映射到参考向量空间中，获取各第一映射向量和各第二映射向量的具体步骤包括：

对于所述第一医学知识图谱中的任一第一实例和所述第二医学知识图谱中的任一第二实例，若判断获知所述任一第一实例中的尾实体和所述任一第二实例中的尾实体，在所述参考知识图谱中存在关系，则将所述任一第一实例中的尾实体和所述任一第二实例中的尾实体作为预融合实体对；

根据所述参考向量集中各所述预融合实体对所对应的参考向量，对所述各第一初始向量和各第二初始向量进行双向监督训练，获取所述各第一映射向量和各第二映射向量。

3.根据权利要求2所述的基于多数据源的医学知识图谱融合方法，其特征在于，所述根据所述各第一映射向量和各第二映射向量，对所述第一医学知识图谱和第二医学知识图谱中的知识进行融合的具体步骤包括：

对于每一所述预融合实体对，获取所述预融合实体对中两个尾实体对应的参考向量之间的第一距离，以及所述预融合实体对所对应的第一实例中的头实体对应的第一映射向量，与所述预融合实体对所对应的第二实例中的头实体对应的第二映射向量之间的第二距离；

若判断获知所述第一距离与所述第二距离之差小于预设的差异阈值，则确定所述融合后的医学知识图谱中，所述预融合实体对所对应的第一实例中的头实体，与所述预融合实体对所对应的第二实例中的头实体之间，具有所述预融合实体对中的两个尾实体所具有的关系。

4.根据权利要求3所述的基于多数据源的医学知识图谱融合方法，其特征在于，所述根据所述各第一映射向量和各第二映射向量，对所述第一医学知识图谱和第二医学知识图谱中的知识进行融合的具体步骤还包括：

获取与所述第一医学知识图谱中的任一实体对应的第一映射向量距离最近的第二映射向量；

若判断获知所述任一实体对应的第一映射向量与所述最近的第二映射向量之间的距离小于预设的距离阈值，则将所述任一实体与所述最近的第二映射向量对应的所述第二医

2

CN 110866124 A

权　利　要　求　书

2/2页

学知识图谱中的实体融合为所述融合后的医学知识图谱中的同一实体。

5.根据权利要求3所述的基于多数据源的医学知识图谱融合方法，其特征在于，所述确定所述融合后的医学知识图谱中，所述预融合实体对所对应的第一实例中的头实体，与所述预融合实体对所对应的第二实例中的头实体之间，具有所述预融合实体对中的两个尾实体所具有的关系之后，还包括：

将所述预融合实体对所对应的第一实例中的头实体，与所述预融合实体对所对应的第二实例中的头实体，确定为新的预融合实体对；

将新的预融合实体对中两个头实体分别对应的第一映射向量和第二映射向量作为新的参考向量，添加至所述参考向量集中，获得新的参考向量集。

6.根据权利要求1至5任一所述的基于多数据源的医学知识图谱融合方法，其特征在于，所述分别基于第一医学知识图谱和第二医学知识图谱进行知识表示学习，获取各第一初始向量和各第二初始向量之前还包括：

根据双向长短时记忆网络结合条件随机场的方法和第一医学数据源，获取所述第一医学知识图谱中的各实例，根据所述第一医学知识图谱中的各实例构建所述第一医学知识图谱。

7.根据权利要求1至5任一所述的基于多数据源的医学知识图谱融合方法，其特征在于，所述分别基于第一医学知识图谱和第二医学知识图谱进行知识表示学习，获取各第一初始向量和各第二初始向量之前还包括：

根据双向长短时记忆网络结合条件随机场的方法和第二医学数据源，获取所述第二医学知识图谱中的各实例，根据所述第二医学知识图谱中的各实例构建所述第二医学知识图谱。

8.一种基于多数据源的医学知识图谱融合装置，其特征在于，包括：向量表示模块，用于分别基于第一医学知识图谱和第二医学知识图谱进行知识表示学习，获取各第一初始向量和各第二初始向量；

向量映射模块，用于基于预先获取的参考向量集，将所述各第一初始向量和各第二初始向量映射到参考向量空间中，获取各第一映射向量和各第二映射向量；

知识融合模块，用于根据所述各第一映射向量和各第二映射向量，对所述第一医学知识图谱和第二医学知识图谱中的知识进行融合，获取融合后的医学知识图谱；

其中，所述第一初始向量，为所述第一医学知识图谱中的实体或关系在第一向量空间中的向量表示结果；所述第二初始向量，为所述第二医学知识图谱中的实体或关系在第二向量空间中的向量表示结果；所述参考向量，为参考知识图谱中的实体在所述参考向量空间中的向量表示结果；所述第一医学知识图谱、所述第二医学知识图谱和所述参考知识图谱，是基于不同的医学数据源构建的。

9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述的基于多数据源的医学知识图谱融合方法的步骤。

10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至7任一项所述的基于多数据源的医学知识图谱融合方法的步骤。

3

CN 110866124 A

说　明　书

基于多数据源的医学知识图谱融合方法及装置

1/13页

技术领域

[0001]本发明涉及计算机技术领域，更具体地，涉及一种基于多数据源的医学知识图谱融合方法及装置。

背景技术

[0002]随着移动互联网的发展，其所产生的数据也在爆发式地增长，互联网上散落了越来越多的知识元数据。然而，由于互联网上的内容多源异质，组织结构松散，给大数据环境下的知识互联带来了极大的挑战。因此，需要根据大数据环境下的知识组织原则，从新的视角去探索既符合网络信息资源发展变化又能适应用户认知需求的知识互联方法，从更深层次上揭示人类认知的整体性与关联性。

[0003]知识图谱即在这样的大背景下产生。知识图谱的概念在2012年由谷歌正式提出，旨在实现更智能的搜索引擎。知识图谱提出后逐渐在智能问答、情报分析、反欺诈等应用中发挥重要作用，目前已被广泛应用于智能搜索、智能问答、个性化推荐等领域。知识图谱本质上是语义网络的知识库，从实际应用的角度出发其实可以将其简单理解成多关系图。关系图是由节点和边构成的，多关系图一般则包含多种类型的节点和多种类型的边。知识图谱就是由多种节点(实体)和多种标注的边(实体间的关系)所组成的一种基于图数据结构的新知识表示方式，从而描述真实世界中存在的各种实体或概念，并体现各实体之间的关系或关联，将离散的数据整合在一起，从而提供更有价值的决策支持。[0004]在医学领域，随着医疗卫生信息化及医疗信息系统的发展，积累了海量的医学数据。如何从这些数据中提炼信息并加以管理和应用，是推进医学智能化的关键问题。医学知识图谱的构建技术主要涉及到医学知识表示、医学知识抽取、医学知识推理等几个部分。医学领域是知识图谱应用最广泛的垂直领域之一，但由于医学数据专业性强、结构复杂等特点，医学知识图谱的构建存在效率低、拓展性差等问题。单一数据来源不足以覆盖完备的医学领域知识，但当知识获取来源广泛时，数据源的需求和设计理念不同，导致医学知识图谱存在知识质量上具有差异、知识存在冗余、实体概念之间的关联关系与边界不够明确等问题。因此，如何将来自不同数据源的医学知识图谱进行融合成为本领域亟待解决的问题。发明内容

[0005]本发明实施例提供一种基于多数据源的医学知识图谱融合方法及装置，用以解决或者至少部分地解决现有技术存在的难以实现融合来自不同数据源的医学知识图谱的缺陷。

[0006]第一方面，本发明实施例提供一种基于多数据源的医学知识图谱融合方法，包括：[0007]分别基于第一医学知识图谱和第二医学知识图谱进行知识表示学习，获取各第一初始向量和各第二初始向量；

[0008]基于预先获取的参考向量集，将所述各第一初始向量和各第二初始向量映射到参考向量空间中，获取各第一映射向量和各第二映射向量；

4

CN 110866124 A[0009]

说　明　书

2/13页

根据所述各第一映射向量和各第二映射向量，对所述第一医学知识图谱和第二医

学知识图谱中的知识进行融合，获取融合后的医学知识图谱；[0010]其中，所述第一初始向量，为所述第一医学知识图谱中的实体或关系在第一向量空间中的向量表示结果；所述第二初始向量，为所述第二医学知识图谱中的实体或关系在第二向量空间中的向量表示结果；所述参考向量，为参考知识图谱中的实体在所述参考向量空间中的向量表示结果；所述第一医学知识图谱、所述第二医学知识图谱和所述参考知识图谱，是基于不同的医学数据源构建的。[0011]优选地，所述基于预先获取的参考向量集，将所述各第一初始向量和各第二初始向量映射到参考向量空间中，获取各第一映射向量和各第二映射向量的具体步骤包括：[0012]对于所述第一医学知识图谱中的任一第一实例和所述第二医学知识图谱中的任一第二实例，若判断获知所述任一第一实例中的尾实体和所述任一第二实例中的尾实体，在所述参考知识图谱中存在关系，则将所述任一第一实例中的尾实体和所述任一第二实例中的尾实体作为预融合实体对；

[0013]根据所述参考向量集中各所述预融合实体对所对应的参考向量，对所述各第一初始向量和各第二初始向量进行双向监督训练，获取所述各第一映射向量和各第二映射向量。

[0014]优选地，所述根据所述各第一映射向量和各第二映射向量，对所述第一医学知识图谱和第二医学知识图谱中的知识进行融合的具体步骤包括：[0015]对于每一所述预融合实体对，获取所述预融合实体对中两个尾实体对应的参考向量之间的第一距离，以及所述预融合实体对所对应的第一实例中的头实体对应的第一映射向量，与所述预融合实体对所对应的第二实例中的头实体对应的第二映射向量之间的第二距离；

[0016]若判断获知所述第一距离与所述第二距离之差小于预设的差异阈值，则确定所述融合后的医学知识图谱中，所述预融合实体对所对应的第一实例中的头实体，与所述预融合实体对所对应的第二实例中的头实体之间，具有所述预融合实体对中的两个尾实体所具有的关系。

[0017]优选地，所述根据所述各第一映射向量和各第二映射向量，对所述第一医学知识图谱和第二医学知识图谱中的知识进行融合的具体步骤还包括：

[0018]获取与所述第一医学知识图谱中的任一实体对应的第一映射向量距离最近的第二映射向量；

[0019]若判断获知所述任一实体对应的第一映射向量与所述最近的第二映射向量之间的距离小于预设的距离阈值，则将所述任一实体与所述最近的第二映射向量对应的所述第二医学知识图谱中的实体融合为所述融合后的医学知识图谱中的同一实体。[0020]优选地，所述确定所述融合后的医学知识图谱中，所述预融合实体对所对应的第一实例中的头实体，与所述预融合实体对所对应的第二实例中的头实体之间，具有所述预融合实体对中的两个尾实体所具有的关系之后，还包括：

[0021]将所述预融合实体对所对应的第一实例中的头实体，与所述预融合实体对所对应的第二实例中的头实体，确定为新的预融合实体对；

[0022]将新的预融合实体对中两个头实体分别对应的第一映射向量和第二映射向量作

5

CN 110866124 A

说　明　书

3/13页

为新的参考向量，添加至所述参考向量集中，获得新的参考向量集。[0023]优选地，所述分别基于第一医学知识图谱和第二医学知识图谱进行知识表示学习，获取各第一初始向量和各第二初始向量之前还包括：

[0024]根据双向长短时记忆网络结合条件随机场的方法和第一医学数据源，获取所述第一医学知识图谱中的各实例，根据所述第一医学知识图谱中的各实例构建所述第一医学知识图谱。

[0025]优选地，所述分别基于第一医学知识图谱和第二医学知识图谱进行知识表示学习，获取各第一初始向量和各第二初始向量之前还包括：

[0026]根据双向长短时记忆网络结合条件随机场的方法和第二医学数据源，获取所述第二医学知识图谱中的各实例，根据所述第二医学知识图谱中的各实例构建所述第二医学知识图谱。

[0027]第二方面，本发明实施例提供一种基于多数据源的医学知识图谱融合装置，包括：[0028]向量表示模块，用于分别基于第一医学知识图谱和第二医学知识图谱进行知识表示学习，获取各第一初始向量和各第二初始向量；[0029]向量映射模块，用于基于预先获取的参考向量集，将所述各第一初始向量和各第二初始向量映射到参考向量空间中，获取各第一映射向量和各第二映射向量；[0030]知识融合模块，用于根据所述各第一映射向量和各第二映射向量，对所述第一医学知识图谱和第二医学知识图谱中的知识进行融合，获取融合后的医学知识图谱；[0031]其中，所述第一初始向量，为所述第一医学知识图谱中的实体或关系在第一向量空间中的向量表示结果；所述第二初始向量，为所述第二医学知识图谱中的实体或关系在第二向量空间中的向量表示结果；所述参考向量，为参考知识图谱中的实体在所述参考向量空间中的向量表示结果；所述第一医学知识图谱、所述第二医学知识图谱和所述参考知识图谱，是基于不同的医学数据源构建的。[0032]第三方面，本发明实施例提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，执行所述程序时实现如第一方面的各种可能的实现方式中任一种可能的实现方式所提供的基于多数据源的医学知识图谱融合方法的步骤。[0033]第四方面，本发明实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面的各种可能的实现方式中任一种可能的实现方式所提供的基于多数据源的医学知识图谱融合方法的步骤。

[0034]本发明实施例提供的基于多数据源的医学知识图谱融合方法及装置，基于知识表示学习的方法，将待融合的第一医学知识图谱和第二医学知识图谱进行向量化，根据参考向量集将向量化的结果映射到参考向量空间中，根据参考向量空间中的第一映射向量和第二映射向量进行知识融合，获取融合后的医学知识图谱，通过利用知识图谱内部的逻辑性，能获得内部逻辑性和表达能力更强的融合后的医学知识图谱。

附图说明

[0035]为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根

6

CN 110866124 A

说　明　书

4/13页

据这些附图获得其他的附图。

[0036]图1为根据本发明实施例提供的基于多数据源的医学知识图谱融合方法的流程示意图；

[0037]图2为根据本发明实施例提供的基于多数据源的医学知识图谱融合装置的结构示意图；

[0038]图3为根据本发明实施例提供的电子设备的实体结构示意图。

具体实施方式

[0039]为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。[0040]为了克服现有技术的上述问题，本发明实施例提供一种基于多数据源的医学知识图谱融合方法及装置，其发明构思是，基于知识表示的方法，对来自不同数据源的医学知识图谱进行融合，在知识表示的基础上，根据参考知识图谱，除了能实现通常的知识图谱融合中的实体消歧和实体链接之外，还能发现单独的医学知识图谱中不存在的关系，从而进行知识的扩展。

[0041]图1为根据本发明实施例提供的基于多数据源的医学知识图谱融合方法的流程示意图。如图1所示，该方法包括：步骤S101、分别基于第一医学知识图谱和第二医学知识图谱进行知识表示学习，获取各第一初始向量和各第二初始向量。[0042]其中，第一初始向量，为第一医学知识图谱中的实体或关系在第一向量空间中的向量表示结果；第二初始向量，为第二医学知识图谱中的实体或关系在第二向量空间中的向量表示结果。

[0043]需要说明的是，知识图谱的输入为非结构化数据，例如专业的医学指南或大量的药品说明书，均为自然语言。本发明首先从自然语言中抽取医学知识，并将其拆解为知识图谱的原料，即节点和关系。节点代表疾病、症状、药物等临床医学实体(简称“实体”)，连接线代表各实体间的关系，通过这种形式实现知识以及数据的互联互通。[0044]知识图谱可以包括多组“实体—关系—实体”的RDF(Resource Description Framework，资源描述框架)三元组形式。每一“实体—关系—实体”三元组，可以称为一个实例。

[0045]为了便于进行知识图谱的融合，可以通过知识表示学习的方法，将知识图谱中的实体和关系进行向量化，获得实体和关系在向量空间中的向量表示结果，即获得实体和关系对应的向量。

[0046]常见的知识表示学习的模型包括：距离模型、单层神经网络模型、能量模型、双线性模型、张量神经网络模型、矩阵分解模型和翻译模型等。[0047]可以采用TransE、PTransE、TransH等翻译模型，分别将第一医学知识图谱中的各实例向量化，将第二医学知识图谱中的各实例向量化，获得第一向量空间中表示第一医学知识图谱中的实体或关系的各第一初始向量，以及第二向量空间中表示第二医学知识图谱中的实体或关系的各第二初始向量。

7

CN 110866124 A[0048]

说　明　书

5/13页

优选地，可以采用经典的翻译模型TransE。TransE是基于实体和关系的分布式向

量表示，利用了词向量平移不变的现象，将实体和关系映射到了一个低维度向量空间。[0049]TransE将三元组实例“实体-关系-实体”(head-relation-tail)中关系(relation)视为头实体(head)和尾实体(tail)之间的向量，通过不断调整h、r和t(head、relation和tail对应的向量)，使(h+r)尽可能与t相等，即h+r＝t。[0050]需要说明的是，三元组实例中，可以将两个实体中的任一个作为头实体，将另外一个作为尾实体。

[0051]TransE的距离函数可设定为：d(h+r,t)，它用来衡量(h+r)和t之间的距离，函数值越小，则三元组越合理。TransE使用最大间隔法定义了如下目标函数：

[0052]

其中，γ是间隔值，S是知识库中的三元组，S＇是人为构造的负采样的三元组，S＇的h或者t被一个随机值代替为h＇或者t＇，但不是二者同时被替换。对于S来说距离函数(h+r,t)越小越好，而对于S＇而言(h+r,t)则越大越好。[0054]步骤S102、基于预先获取的参考向量集，将各第一初始向量和各第二初始向量映射到参考向量空间中，获取各第一映射向量和各第二映射向量。[0055]其中，参考向量，为参考知识图谱中的实体在参考向量空间中的向量表示结果；第一医学知识图谱、第二医学知识图谱和参考知识图谱，是基于不同的医学数据源构建的。[0056]需要说明的是，运用知识表示进行实体融合的方法，基本思想是通过参考向量集，对待融合的知识图谱KG1和KG2中实体的向量表示的训练产生，将未融合的实体对训练成距离接近的向量。例如，KG1和KG2存在等价实体“抗生素”以及相同的关系“药品类型”，那么在KG1和KG2的训练过程中，“阿莫西林”和“羟氨苄青霉素”应该被表示为距离相近的向量。

[0057]需要说明的是，步骤S102之前，可以通过知识表示学习的方法，将参考知识图谱的实体和关系进行向量化，获得参考向量空间中表示参考知识图谱中的实体或关系的各参考向量。

[0058]可以将基于参考知识图谱获得的各参考向量，组成最初的参考向量集。[0059]步骤S101中对针对单个知识图谱进行单独训练，即根据翻译模型对第一医学知识图谱进行训练获得各第一初始向量，根据翻译模型对第二医学知识图谱进行训练获得各第二初始向量，为了进行知识融合，需要将两个待融合的知识图谱(即第一医学知识图谱和第二医学知识图谱)中实例映射到同一个低维向量空间中。[0060]可以根据参考向量集，对各第一初始向量和各第二初始向量进行双向监督训练，将各第一初始向量和各第二初始向量映射到参考向量空间中，获取每一第一初始向量对应的第一映射向量和每一第二初始向量对应的第二映射向量。[0061]步骤S103、根据各第一映射向量和各第二映射向量，对第一医学知识图谱和第二医学知识图谱中的知识进行融合，获取融合后的医学知识图谱。[0062]具体地，可以基于第一映射向量和第二映射向量之间的距离，判断第一映射向量对应的第一医学知识图谱中的实体和第二映射向量应的第二医学知识图谱中的实体具有的含义是否相同或者是否存在包含关系，将具有相同的含义的第一医学知识图谱中的实体

8

[0053]

CN 110866124 A

说　明　书

6/13页

和第二医学知识图谱中的实体，确定为待融合的实体对。[0063]根据所确定的待融合的实体对，对第一医学知识图谱中的实体和第二医学知识图谱中的实体进行融合，可以获得融合后的医学知识图谱。[00]通常的知识图谱融合方法基于实体自身的语义，判断不同知识图谱中的实体具有的含义是否相同或者是否存在包含关系，发现等价实例、等价或为包含关系等概念或属性，在此基础上进行实体消歧和实体链接，没有考虑知识图谱内部的逻辑性。而本发明实施例基于知识表示学习的方法，利用词向量的平移不变现象，在判断不同知识图谱中的实体具有的含义是否相同或者是否存在包含关系时，除了基于实体自身的语义，还基于该实体与其他实体之间的关系，因而能利用知识图谱内部的逻辑性，能增强获得的融合后的医学知识图谱内部的逻辑性和表达能力。

[0065]本发明实施例基于知识表示学习的方法，将待融合的第一医学知识图谱和第二医学知识图谱进行向量化，根据参考向量集将向量化的结果映射到参考向量空间中，根据参考向量空间中的第一映射向量和第二映射向量进行知识融合，获取融合后的医学知识图谱，通过利用知识图谱内部的逻辑性，能获得内部逻辑性和表达能力更强的融合后的医学知识图谱。

[0066]基于上述各实施例的内容，基于预先获取的参考向量集，将各第一初始向量和各第二初始向量映射到参考向量空间中，获取各第一映射向量和各第二映射向量的具体步骤包括：对于第一医学知识图谱中的任一第一实例和第二医学知识图谱中的任一第二实例，若判断获知任一第一实例中的尾实体和任一第二实例中的尾实体，在参考知识图谱中存在关系，则将任一第一实例中的尾实体和任一第二实例中的尾实体作为预融合实体对。[0067]具体地，进行双向监督训练时，先确定预融合实体对。[0068]第一医学知识图谱中的实例为第一实例，第二医学知识图谱中的实例为第二实例。对于任一第一实例和任一第二实例，若这两个实例中的尾实体在参考知识图谱中存在关系，则可以将这两个实例中的尾实体作为预融合实体对。[0069]可以理解的是，对于任一第一实例和任一第二实例，若这两个实例中的头实体在参考知识图谱中存在关系，还可以将这两个实例中的头实体作为预融合实体对。[0070]存在关系，指在参考知识图谱中，存在包括预融合实体对中的两个实体的实例。[0071]根据参考向量集中各预融合实体对所对应的参考向量，对各第一初始向量和各第二初始向量进行双向监督训练，获取各第一映射向量和各第二映射向量。[0072]具体地，由于第一医学知识图谱、第二医学知识图谱和参考知识图谱，是基于不同的医学数据源构建的，即使采用了相同的知识表示学习的方法，第一向量空间、第二向量空间和参考向量空间的维数也不一定相同。[0073]进行双向监督训练的目的，是将各第一初始向量和各第二初始向量映射到同一向量空间中。

[0074]双向监督训练中进行优化的步骤包括：

[0075]预融合实体对中的两个实体对应的参考向量保持不变，分别作为预融合实体对中的两个实体分别对应的第一初始向量和第二初始向量的映射结果(即作为上述两个实体分别对应的第一映射向量和第二映射向量)，确定第一初始向量与参考向量之间、第二初始向量与参考向量之间的映射关系；

9

CN 110866124 A[0076]

说　明　书

7/13页

根据映射关系，不断优化其他实体和关系对应的第一初始向量和第二初始向量在

参考向量空间中的优化结果，且优化结果满足包括三元组对应的三个向量之间的约束关系在内的各种约束关系，从而获得每一第一初始向量对应的第一映射向量和每一第二初始向量对应的第二映射向量。

[0077]通过双向监督训练，可以使得第一医学知识图谱和第二医学知识图谱中的等价实体对应的第一映射向量和第二映射向量，在参考向量空间中具有较小的距离值。[0078]本发明实施例通过进行双向监督训练，将各第一初始向量和各第二初始向量映射到参考向量空间中，获取各第一映射向量和各第二映射向量，使得等价实体对应的第一映射向量和第二映射向量在参考向量空间中具有较小的距离值，从而能基于各第一映射向量和各第二映射向量进行知识融合，能获得内部逻辑性和表达能力更强的融合后的医学知识图谱。

[0079]基于上述各实施例的内容，根据各第一映射向量和各第二映射向量，对第一医学知识图谱和第二医学知识图谱中的知识进行融合的具体步骤包括：对于每一预融合实体对，获取预融合实体对中两个尾实体对应的参考向量之间的第一距离，以及预融合实体对所对应的第一实例中的头实体对应的第一映射向量，与预融合实体对所对应的第二实例中的头实体对应的第二映射向量之间的第二距离。[0080]具体地，在参考向量空间中，获取每一预融合实体对中的两个尾实体分别对应的第一映射向量和第二映射向量之间的距离，作为第一距离。该第一距离为上述两个尾实体之间的关系对应的参考向量的模。

[0081]获取上述两个尾实体中在第一医学知识图谱的尾实体所在的第一医学知识图谱的实例中，头实体对应的第一映射向量，与上述两个尾实体中在第二医学知识图谱的尾实体所在的第二医学知识图谱的实例中，头实体对应的第二映射向量之间的距离，作为第二距离。

[0082]若判断获知第一距离与第二距离之差小于预设的差异阈值，则确定融合后的医学知识图谱中，预融合实体对所对应的第一实例中的头实体，与预融合实体对所对应的第二实例中的头实体之间，具有预融合实体对中的两个尾实体所具有的关系。[0083]具体地，计算根据同一预融合实体对获取的第一距离与第二距离之差。[0084]需要说明的是，第一距离与第二距离之差，是通过将其中较大的值减去其中较小的值获得的。[0085]判断获得的上述第一距离与第二距离之差是否小于预设的差异阈值。若是，说明同一预融合实体对在第一医学知识图谱的尾实体所在的第一医学知识图谱的实例中的头实体，与在第二医学知识图谱的尾实体所在的第二医学知识图谱的实例中的头实体具有关系，该关系与该预融合实体对中的两个尾实体具有的关系相同。[0086]需要说明的是，若预融合实体对中的两个实体为头实体，相应地，第一距离为两个实体对应的参考向量之间的距离；第二距离为上述两个头实体对应的第一医学知识图谱中的尾实体所对应的第一映射向量，与上述两个头实体对应的第二医学知识图谱中的尾实体所对应的第二映射向量之间的距离；若第一距离与第二距离之差小于预设的差异阈值，说明上述两个头实体对应的第一医学知识图谱中的尾实体与对应的第二医学知识图谱中的尾实体具有关系，该关系与该预融合实体对中的两个头实体具有的关系相同。

10

CN 110866124 A[0087]

说　明　书

8/13页

例如，第一医学知识图谱中的一个三元组为“K1-J1-K2”，第二医学知识图谱中的

一个三元组为“L1-J2-L2”，参考知识图谱中的一个三元组为“K1-X-L1”，实体K1对应的第一映射向量与L1对应的第一映射向量之间的第一距离，与实体K2对应的第一映射向量与L2对应的第一映射向量之间的第一距离相等，说明实体K2与L2之间也存在关系X，将三元组为“K2-X-L2”作为融合后的医学知识图谱中的一个三元组。[0088]本发明实施例通过获取第一距离与第二距离，根据第一距离与第二距离之差是否小于预设的差异阈值，判断预融合实体对所对应的第一实例中的头实体，与预融合实体对所对应的第二实例中的头实体之间，是否具有关系，能发现第一医学知识图谱和第二医学知识图谱中单独不存在的关系，为医学知识图谱更新旧知识或补充新知识，从而进行知识的扩展，获得知识更丰富的融合后的医学知识图谱，融合后的医学知识图谱更为全面、更具实际应用价值。

[00]基于上述各实施例的内容，根据各第一映射向量和各第二映射向量，对第一医学知识图谱和第二医学知识图谱中的知识进行融合的具体步骤还包括：获取与第一医学知识图谱中的任一实体对应的第一映射向量距离最近的第二映射向量。[0090]具体地，对于任一第一映射向量，获取该第一映射向量与每一第二映射向量之间的距离。

[0091]若判断获知任一实体对应的第一映射向量与最近的第二映射向量之间的距离小于预设的距离阈值，则将任一实体与最近的第二映射向量对应的第二医学知识图谱中的实体融合为融合后的医学知识图谱中的同一实体。[0092]具体地，获得该第一映射向量与每一第二映射向量之间的距离之后，可以判断其中的最小值是否小于预设的距离阈值。[0093]若是，说明该第一映射向量对应的实体，与上述最小值对应的第二映射向量所对应的实体，二者之间的相似度较高，可以认为具有相同的含义，为等价实体。将上述等价实体融合为融合后的医学知识图谱中的同一实体。[0094]需要说明的是，不同病种知识图谱间的知识有交叉，图谱融合可以使图谱规模扩大、适应性变广。数据来源不同，导致可能存在不同的术语表示表示相同的含义，进行图谱融合可消除歧义。此外，知识图谱融合还可以推理出以前单独的图谱中不存在的关系，从而进行知识的扩展。

[0095]本发明实施例通过判断第一映射向量与最近的第二映射向量之间的最小距离是否小于预设的距离阈值，判断第一映射向量对应的实体，与上述最小值对应的第二映射向量所对应的实体是否为等价实体，能更准确等发现等价实体，获得更优的融合后的医学知识图谱，融合后的医学知识图谱更为全面、更具实际应用价值。[0096]基于上述各实施例的内容，确定融合后的医学知识图谱中，预融合实体对所对应的第一实例中的头实体，与预融合实体对所对应的第二实例中的头实体之间，具有预融合实体对中的两个尾实体所具有的关系之后，还包括：将预融合实体对所对应的第一实例中的头实体，与预融合实体对所对应的第二实例中的头实体，确定为新的预融合实体对。[0097]具体地，可以采用迭代融合的方法，将每次迭代发现的等价实体或具有关系的两个实体，作为新的预融合实体对。

[0098]将新的预融合实体对中两个头实体分别对应的第一映射向量和第二映射向量作

11

CN 110866124 A

说　明　书

9/13页

为新的参考向量，添加至参考向量集中，获得新的参考向量集。[0099]具体地，将每一新的预融合实体对中的两个实体分别对应的第一映射向量和第二映射向量作为新的参考向量，添加至参考向量集中，获得新的参考向量集。[0100]获得新的参考向量集之后，根据新的参考向量集，返回执行步骤S102。[0101]可以根据实际情况设定合适的迭代次数，直至不再发现等价实体和具有关系的两个实体。

[0102]需要说明的是，每次迭代之后，或者全部迭代完整之后，可以采用F-Measure来评估融合结果。

[0103]

其中，F表示融合结果的评估值；P为融合准确率，表示所有被预测样本(即发现的

等价实体和具有关系的两个实体)中，预测正确的样本所占的比例；R为召回率，表示所有正样本中，被预测为正样本所占的比例。[0105]一般情况下，准确率与召回率相互制约，因此使用F-Measure对模型进行综合评估，F-Measure越高，性能越好。

[0106]本发明实施例通过进行迭代融合，充分利用了知识图谱的内部特征，能提高融合的效率，能获得更优的融合后的医学知识图谱，融合后的医学知识图谱更为全面、更具实际应用价值。

[0107]基于上述各实施例的内容，分别基于第一医学知识图谱和第二医学知识图谱进行知识表示学习，获取各第一初始向量和各第二初始向量之前还包括：根据双向长短时记忆网络结合条件随机场的方法和第一医学数据源，获取第一医学知识图谱中的各实例，根据第一医学知识图谱中的各实例构建第一医学知识图谱。[0108]具体地，为了便于对知识图谱进行知识表示学习和知识融合，可以根据双向长短时记忆网络结合条件随机场的方法，基于第一医学数据源，获取第一医学知识图谱中的各实例，并根据第一医学知识图谱中的各实例构建第一医学知识图谱。

[0109]可以通过双向长短时记忆网络结合条件随机场(BiLSTM-CRF)的联合学习模型，联合从第一医学知识图谱中抽取实体和关系。实体和关系的联合抽取任务就是通过模型从非结构化文本中自动地检测出实体，并同时抽取出实体之间的语义关系，这里的关系指的是预先定义好的实体关系类型。抽取出来的实体和关系组成知识三元组，可以直接对三元组进行建模。本发明实施例中定义的实体标签包括：数值、病史、症状、诊断、药品名、药品类、量表、用药方案及其他。关系类型包括：COPD分级治疗分组为、and、包括、对应用药方案、对应药品、患者情况、推理条件、推荐基础用药方案、推荐增加用药方案以及方案包括药品类。[0110]首先对第一医学数据源中的数据进行标注，根据定义好的实体及实体关系类型，标注分为三个部分。实体词采用BIOES标注规范：B表示首字，I表示中间的字，E表示末尾的字，S表示单个字符，O表示不属于实体的字符；实体关系：根据预先定义好的实体关系类型进行编码标注；实体的角色信息：分为实体1和实体2。[0111]进行标注之后，以句子为单位，将一个句子记作由字符构成的向量：x＝(x1,x2,…,xn)。BiLSTM-CRF模型的第一层是嵌入表示(look-up)层，利用预训练或随机初始化的embedding矩阵将输入句子中的每个字符xi(1≤i≤n)映射为低维稠密的字向量，代表字在

12

[0104]

CN 110866124 A

说　明　书

10/13页

不同维度上的语义信息。同时为缓解过拟合，在输入下一层前设置随机失活(dropout)。[0112]BiLSTM-CRF模型的第二层为双向LSTM层。首先用生成的每个字的向量作为双向LSTM的各个步的输入，再将正向LSTM输出的序列输出的序列

与反向LSTM的在各个位置

进行按位置拼接，得到完整的隐状态序列。双向LSTM层的每个时

间步的输出是一个多标签的概率值，记作矩阵P＝(p1,p2,...,pn)∈Rn×k，表示每个字符被分到每个标签的概率，可以通过softmax对各个位置进行分类，但这样只考虑到当前位置的信息，没有考虑到上下文的信息，所以接下来要接入CRF层。[0113]BiLSTM-CRF模型的第三层为CRF层。CRF层的参数是一个(k+2)×(k+2)的矩阵A，矩阵A中的元素Aij表示的是从第i个标签到第j个标签的转移得分，进而在一个位置进行标注的时候可以利用此前已经标注过的标签。之所以要加2是因为要为句子首部添加一个起始状态以及为句子尾部添加一个终止状态。如果记一个长度等于句子长度的标签序列y＝(y1,y2,…,yn)，那么模型对于句子x的标签等于y的打分为

整个序列的打分等于各个位置的打分之和，而每个位置

的打分由一部分是由LSTM输出决定，另一部分则由CRF的转移矩阵A决定。进而可以利用Softmax得到归一化后的概率：

[0114][0115][0116][0117]

模型训练时使用最大化对数似然函数，下式给出了对一个训练样本的对数似然：

logP(yx|x)＝score(x,yx)-log(∑exp(score(x,y′)))

模型在预测过程中使用动态规划的Viterbi算法来求解最优路径：

通过上述步骤，可以从于第一医学数据源中抽取“实体—关系—实体”形式的单元

组作为实例，根据抽取出的各实例构成第一医学知识图谱。

[0119]本发明实施例根据双向长短时记忆网络结合条件随机场的方法构建第一医学知识图谱，能获取更优的第一医学知识图谱，从而能根据第一医学知识图谱和第二医学知识图谱，融合出更优的融合后的医学知识图谱。[0120]基于上述各实施例的内容，分别基于第一医学知识图谱和第二医学知识图谱进行知识表示学习，获取各第一初始向量和各第二初始向量之前还包括：根据双向长短时记忆网络结合条件随机场的方法和第二医学数据源，获取第二医学知识图谱中的各实例，根据第二医学知识图谱中的各实例构建第二医学知识图谱。[0121]需要说明的是，为了便于对知识图谱进行知识表示学习和知识融合，可以根据双向长短时记忆网络结合条件随机场的方法，基于第二医学数据源，获取第二医学知识图谱中的各实例，并根据第一医学知识图谱中的各实例构建第二医学知识图谱。[0122]根据双向长短时记忆网络结合条件随机场的方法，基于第二医学数据源，构建第二医学知识图谱的步骤，与根据双向长短时记忆网络结合条件随机场的方法，基于第一医

13

[0118]

CN 110866124 A

说　明　书

11/13页

学数据源，构建第一医学知识图谱的步骤类似，可以参见上述构建第一医学知识图谱的实施例，此处不再赘述。

[0123]本发明实施例根据双向长短时记忆网络结合条件随机场的方法构建第二医学知识图谱，能获取更优的第二医学知识图谱，从而能根据第一医学知识图谱和第二医学知识图谱，融合出更优的融合后的医学知识图谱。

[0124]图2为根据本发明实施例提供的基于多数据源的医学知识图谱融合装置的结构示意图。基于上述各实施例的内容，如图2所示，该装置包括向量表示模块201、向量映射模块202和知识融合模块203，其中：[0125]向量表示模块201，用于分别基于第一医学知识图谱和第二医学知识图谱进行知识表示学习，获取各第一初始向量和各第二初始向量；[0126]向量映射模块202，用于基于预先获取的参考向量集，将各第一初始向量和各第二初始向量映射到参考向量空间中，获取各第一映射向量和各第二映射向量；[0127]知识融合模块203，用于根据各第一映射向量和各第二映射向量，对第一医学知识图谱和第二医学知识图谱中的知识进行融合，获取融合后的医学知识图谱；[0128]其中，第一初始向量，为第一医学知识图谱中的实体或关系在第一向量空间中的向量表示结果；第二初始向量，为第二医学知识图谱中的实体或关系在第二向量空间中的向量表示结果；参考向量，为参考知识图谱中的实体在参考向量空间中的向量表示结果；第一医学知识图谱、第二医学知识图谱和参考知识图谱，是基于不同的医学数据源构建的。[0129]具体地，向量表示模块201基于知识表示学习的方法，分别将第一医学知识图谱中的各实例向量化，将第二医学知识图谱中的各实例向量化，获得第一向量空间中表示第一医学知识图谱中的实体或关系的各第一初始向量，以及第二向量空间中表示第二医学知识图谱中的实体或关系的各第二初始向量。

[0130]向量映射模块202可以根据参考向量集，对各第一初始向量和各第二初始向量进行双向监督训练，将各第一初始向量和各第二初始向量映射到参考向量空间中，获取每一第一初始向量对应的第一映射向量和每一第二初始向量对应的第二映射向量。[0131]知识融合模块203可以基于第一映射向量和第二映射向量之间的距离，判断第一映射向量对应的第一医学知识图谱中的实体和第二映射向量应的第二医学知识图谱中的实体具有的含义是否相同或者是否存在包含关系，将具有相同的含义的第一医学知识图谱中的实体和第二医学知识图谱中的实体，确定为待融合的实体对；根据所确定的待融合的实体对，对第一医学知识图谱中的实体和第二医学知识图谱中的实体进行融合，可以获得融合后的医学知识图谱。

[0132]本发明实施例提供的基于多数据源的医学知识图谱融合装置，用于执行本发明上述各实施例提供的基于多数据源的医学知识图谱融合方法，该基于多数据源的医学知识图谱融合装置包括的各模块实现相应功能的具体方法和流程详见上述基于多数据源的医学知识图谱融合方法的实施例，此处不再赘述。

[0133]该基于多数据源的医学知识图谱融合装置用于前述各实施例的基于多数据源的医学知识图谱融合方法。因此，在前述各实施例中的基于多数据源的医学知识图谱融合方法中的描述和定义，可以用于本发明实施例中各执行模块的理解。[0134]本发明实施例基于知识表示学习的方法，将待融合的第一医学知识图谱和第二医

14

CN 110866124 A

说　明　书

12/13页

学知识图谱进行向量化，根据参考向量集将向量化的结果映射到参考向量空间中，根据参考向量空间中的第一映射向量和第二映射向量进行知识融合，获取融合后的医学知识图谱，通过利用知识图谱内部的逻辑性，能获得内部逻辑性和表达能力更强的融合后的医学知识图谱。

[0135]图3为根据本发明实施例提供的电子设备的实体结构示意图。基于上述实施例的内容，如图3所示，该电子设备可以包括：处理器(processor)301、存储器(memory)302和总线303；其中，处理器301和存储器302通过总线303完成相互间的通信；处理器301用于调用存储在存储器302中并可在处理器301上运行的计算机程序指令，以执行上述各方法实施例所提供的基于多数据源的医学知识图谱融合方法，例如包括：分别基于第一医学知识图谱和第二医学知识图谱进行知识表示学习，获取各第一初始向量和各第二初始向量；基于预先获取的参考向量集，将各第一初始向量和各第二初始向量映射到参考向量空间中，获取各第一映射向量和各第二映射向量；根据各第一映射向量和各第二映射向量，对第一医学知识图谱和第二医学知识图谱中的知识进行融合，获取融合后的医学知识图谱；其中，第一初始向量，为第一医学知识图谱中的实体或关系在第一向量空间中的向量表示结果；第二初始向量，为第二医学知识图谱中的实体或关系在第二向量空间中的向量表示结果；参考向量，为参考知识图谱中的实体在参考向量空间中的向量表示结果；第一医学知识图谱、第二医学知识图谱和参考知识图谱，是基于不同的医学数据源构建的。[0136]本发明另一实施例公开一种计算机程序产品，计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，计算机程序包括程序指令，当程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的基于多数据源的医学知识图谱融合方法，例如包括：分别基于第一医学知识图谱和第二医学知识图谱进行知识表示学习，获取各第一初始向量和各第二初始向量；基于预先获取的参考向量集，将各第一初始向量和各第二初始向量映射到参考向量空间中，获取各第一映射向量和各第二映射向量；根据各第一映射向量和各第二映射向量，对第一医学知识图谱和第二医学知识图谱中的知识进行融合，获取融合后的医学知识图谱；其中，第一初始向量，为第一医学知识图谱中的实体或关系在第一向量空间中的向量表示结果；第二初始向量，为第二医学知识图谱中的实体或关系在第二向量空间中的向量表示结果；参考向量，为参考知识图谱中的实体在参考向量空间中的向量表示结果；第一医学知识图谱、第二医学知识图谱和参考知识图谱，是基于不同的医学数据源构建的。[0137]此外，上述的存储器302中的逻辑指令可以通过软件功能单元的形式实现并作为的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

[0138]本发明另一实施例提供一种非暂态计算机可读存储介质，非暂态计算机可读存储介质存储计算机指令，计算机指令使计算机执行上述各方法实施例所提供的基于多数据源

15

CN 110866124 A

说　明　书

13/13页

的医学知识图谱融合方法，例如包括：分别基于第一医学知识图谱和第二医学知识图谱进行知识表示学习，获取各第一初始向量和各第二初始向量；基于预先获取的参考向量集，将各第一初始向量和各第二初始向量映射到参考向量空间中，获取各第一映射向量和各第二映射向量；根据各第一映射向量和各第二映射向量，对第一医学知识图谱和第二医学知识图谱中的知识进行融合，获取融合后的医学知识图谱；其中，第一初始向量，为第一医学知识图谱中的实体或关系在第一向量空间中的向量表示结果；第二初始向量，为第二医学知识图谱中的实体或关系在第二向量空间中的向量表示结果；参考向量，为参考知识图谱中的实体在参考向量空间中的向量表示结果；第一医学知识图谱、第二医学知识图谱和参考知识图谱，是基于不同的医学数据源构建的。

[0139]以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

[0140]通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行上述各个实施例或者实施例的某些部分的方法。[0141]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；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应当理解：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。

16

CN 110866124 A

说　明　书　附　图

1/2页

图1

图2

17

CN 110866124 A

说　明　书　附　图

2/2页

图3

18