(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211077962.8 (22)申请日 2022.09.05 (71)申请人 中国科学技术大学 地址 230026 安徽省合肥市包河区金寨路 96号 (72)发明人 王宁　倪林　 (74)专利代理 机构 北京凯特来知识产权代理有 限公司 1 1260 专利代理师 郑立明　韩珂 (51)Int.Cl. G06F 16/332(2019.01) G06F 16/36(2019.01) G06F 16/951(2019.01) G06F 16/955(2019.01) G06F 40/205(2020.01)G06F 40/35(2020.01) (54)发明名称 基于知识图谱的疾病问答方法、 系统、 设备 及存储介质 (57)摘要 本发明公开了一种基于知识图谱的疾病 问 答方法、 系统、 设备及存储介质， 相关方法包括： 收集医疗领域数据集， 并构建医疗知识图谱； 接 收用户的输入问句， 通过对输入问句进行语义解 析识别出标准的实体以及实体类型， 再通过问题 分类方法确定问题类型； 根据标准的实体、 实体 类型以及问题类型在所述医疗知识图谱中查询 出答案； 根据所述答案生成有组织的答案语句， 并返回给用户。 上述方案可以加快信息获取流 程， 提高了用户寻找所需信息的效率和准确度。 权利要求书2页 说明书10页 附图4页 CN 115438162 A 2022.12.06 CN 115438162 A 1.一种基于知识图谱的疾病问答方法， 其特 征在于， 包括： 收集医疗领域数据集， 并构建医疗知识图谱； 接收用户的输入问句， 通过对输入问句进行语义解析识别出标准的实体以及实体类 型， 再通过问题分类方法确定问题类型； 根据标准的实体、 实体 类型以及问题类型在所述医疗知识图谱中查询出答案； 根据所述 答案生成有组织的答案语句， 并返回给用户。 2.根据权利要求1所述的一种基于知识图谱的疾病问答方法， 其特征在于， 所述收集医 疗领域数据集， 并构建医疗知识图谱的步骤 包括： 采用scrapy框架编写对应的爬虫脚本， 通过对疾病页面对应的HTML代码进行分析， 确 定爬取元素， 使用Xpath方法定位爬取元素， 最 终通过爬虫脚本爬取得到初始数据； 其中， 所 述爬取元素为疾病相关信息； 对所述初始数据进行数据清洗后， 通过数据格 式化将疾病相关信 息以{数据 标签:数据 内容}来描述， 将数据格式化获得的信息保存到jso n文件中； 读取json文件， 对每一疾病相关信息进行遍历， 从中提取出实体、 关系类型以及属性类 型， 然后将关系类型和属性类型存储至知识图谱数据库中； 其中， 所述关系类型以及属性类 型均属于实体关系； 读取json文件， 对每一疾病相 关信息进行遍历， 提取出症状和疾病的对应关系作为查 询项， 结合查询项计算每个症状在疾病中所占权重， 将权重写入知识图谱的疾病与症状关 系中， 获得加入 疾病症状权 重信息的医疗知识图谱。 3.根据权利要求2所述的一种基于知识图谱的疾病问答方法， 其特征在于， 数据清洗与 数据格式化的方式包括： 对所述初始数据进行数据清洗： 对于数据丢失情况， 从网络端查找相关信息进行补充； 对于数据错误情况， 通过建立停用词表来过滤无关信息， 对于数据重复情况， 删除重复数 据； 数据格式化时， 将数据清洗获得的数据中每一疾病相关信息划分为多个数据标签， 再 结合相应的数据标签内容， 以{数据标签:数据内容}的方式进行描述。 4.根据权利要求1所述的一种基于知识图谱的疾病问答方法， 其特征在于， 所述通过对 输入问句进行语义解析识别出标准的实体以及实体类型， 再通过问题分类方法确定问题类 型包括： 通过基于深度 学习方法的网络模型对所述输入问句进行语义解析， 识别出实体以及实 体类型； 将识别出的实体映射到医疗知识图谱的标准实体上， 获得 标准的实体； 采用基于特 征词的问题分类方法， 根据输入问句的特 征词来确定问题类型。 5.根据权利要求4所述的一种基于知识图谱的疾病问答方法， 其特征在于， 所述将识别 出的实体映射到医疗知识图谱的标准实体上， 获得 标准的实体的方式包括： 根据识别出的实体的实体类型， 在所述医疗知识图谱中相应实体类型的词典中查找对 应的实体； 判断识别出的实体是否在相应实体类型的词典中， 若在， 则识别出的实体即为标准的 实体； 否则， 进入下一 步；权　利　要　求　书 1/2 页 2 CN 115438162 A 2计算识别出的实体与词典中实体的余弦相似度， 并在词典中选出与识别出的实体之间 的余弦相似度最大的多个实体作为 候选实体集 合； 计算识别出的实体与候选实体集合中每一实体的重复字数， 选择重复字数最多的实体 作为标准实体。 6.根据权利要求1所述的一种基于知识图谱的疾病问答方法， 其特征在于， 所述根据标 准的实体、 实体 类型以及问题类型在所述医疗知识图谱中查询出答案包括： 对标准的实体、 实体类型以及问题类型进行Cyper语句转换， 按照预先定义的问题类型 与属性类型以及关系类型 的转换关系， 将问题类型翻译为对应的属 性类型或者关系类型， 将转换得到的Cyper语句在所述医疗知识图谱中进行查询， 获得相应的答案； 其中， 所述关系类型与属性类型均属于实体关系， 所述答案为医疗知识图谱中的一种 实体。 7.根据权利要求1所述的一种基于知识图谱的疾病问答方法， 其特征在于， 所述根据 所 述答案生成有组织的答案语句包括： 预先根据不同问题类型设置不同的答案模块； 结合输入问句的问题类型， 将将所述答案嵌入至相应的回答模板中， 生成有组织的答 案语句。 8.一种基于知识图谱的疾病问答系统， 其特征在于， 基于权利要求1～7任一项所述的 方法实现， 该系统包括： 医疗知识图谱构建模块， 用于收集医疗领域数据集， 并构建医疗知识图谱； 人机交互模块， 用于 接收用户的输入问句， 以及将答案语句返回给用户； 自然语言理解模块， 用于通过对输入问句进行语义解析识别出标准的实体以及实体类 型， 再通过问题分类方法确定问题类型； 知识库答案查询模块， 用于根据标准的实体、 实体类型以及 问题类型在所述医疗知识 图谱中查询出答案； 自然语言生成模块， 用于根据所述 答案生成有组织的答案语句。 9.一种处理设备， 其特征在于， 包括： 一个或多个处理器； 存储器， 用于存储一个或多个 程序； 其中， 当所述一个或多个程序被所述一个或多个处理器执行时， 使得所述一个或多个 处理器实现如权利要求1～7任一项所述的方法。 10.一种可读存储介质， 存储有计算机程序， 其特征在于， 当计算机程序被处理器执行 时实现如权利要求1～7任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 115438162 A 3