在中医发展的漫漫长河中,积累了数以万计的古代名家医案以及海量的现代中医临床文献,如何更好、更快、更准确地挖掘利用是值得研究的重要课题之一。在数据发展的契机下,如何设定恰当模型学习并使用这一批数据就显得尤为重要。传统基于规则的模型无法合理利用海量语料;基于关键词的模型则没有进行深入的语义理解,关键词的匹配检索或者一定程度的语义检索,获取的知识难免碎片化,严重影响了中医临床学术的传承及临床技能的提升。有鉴于此,构建一个优秀的,系统性的问答系统表示及学习模型,提升临床智能决策的性能势在必行。 本研究以现有结构化中医临床知识库以及非结构化中医临床文献为研究对象,以领域本体为基础,利用开源分词工具,建立相关语料库,以模块化的数据挖掘系统(KNIME)为工具实现语义标注,引入文本深度表示模型(word2vec)和卷积神经网络(CNN)两种深度学习方法实现命名实体识别抽取,语义关系抽取,完成中医临床知识图谱的自动构建,并将之应用于中医药知识服务平台和中医临床辅助决策系统,提升知识图谱构建的效能,实现中医药领域的自然语言问答,大大提高中医临床诊断、治疗决策推荐的准确度。


1.研究目标


  • 中医药临床文献知识图谱的自动构建平台

  • 优化中医临床决策支持推荐

  • 提升中医药知识服务平台检索功能的精度与智能度


2. 研究内容


  • 中医临床领域本体的构建完善

  • 中医临床语料库的完善

  • 训练词向量

  • 中医临床知识图谱的自动构建

  • 建设知识图谱的自动构建平台(知识图谱自动构建技术的平台化封装)

  • 集成应用研究:将知识图谱嵌入中医药知识服务平台,提升中医药知识服务平台检索功能的精度与智能度


3. 项目进展和(预期)结果


  • 一个具有语义标注的中医药语料库

  • 一个基于中医药临床文献(医案)构建的中医临床知识图谱 点击进入

 

联系人:于彤

yutongoracle@hotmail.com

(010) 64089578