(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 202210094947.8 (22)申请日 2022.01.26 (71)申请人 北京博瑞彤芸科技股份有限公司 地址 100020 北京市朝阳区东 三环北路甲 26号楼17层1702室 (72)发明人 李响　胡鑫平　刘沛丰　李井娜　 程佩玉　 (74)专利代理 机构 北京轻创知识产权代理有限 公司 11212 专利代理师 徐琪琦 (51)Int.Cl. G06F 16/36(2019.01) G06F 40/279(2020.01) G06F 40/30(2020.01) G06N 3/04(2006.01)G06N 3/08(2006.01) G16H 20/90(2018.01) G16H 70/20(2018.01) (54)发明名称 构建中医知识图谱的方法及装置 (57)摘要 本发明提供了构建中医知识图谱的方法及 装置， 该方法包括： 预先建立中医实体关系抽取 模型， 其中， 所述中医实体关系抽取模型用于将 输入的一个中医知识文本拆分为三个文本段， 每 个所述文本段中均包含已标记出的两个中医实 体， 从所述三个文本段中识别出包含 所述两个中 医实体的实体 关系的语义信息； 对 所述中医实体 关系抽取模 型进行训练， 生 成训练后的中医实体 关系抽取模 型； 利用训练后的所述中医实体关系 抽取模型， 对多个中医知识文本进行实体关系抽 取， 生成各个中医实体之间的实体关系； 根据各 个中医实体之间的实体关系， 生成中医知识图 谱。 本发明提供了构建中医知识图谱的方法及装 置， 能够提升中医知识图谱中中医实体 关系的可 靠性。 权利要求书3页 说明书9页 附图1页 CN 114579755 A 2022.06.03 CN 114579755 A 1.构建中 医知识图谱的方法， 其特 征在于， 该 方法包括： 预先建立中医实体关系抽取模型， 其中， 所述中医实体关系抽取模型用于将输入的一 个中医知识文本拆分为三个文本段， 每个所述文本段中均包含已标记出 的两个中医实体， 从所述三个文本段中识别出包 含所述两个中 医实体的实体关系的语义信息； 对所述中 医实体关系抽取模型进行训练， 生成训练后的中 医实体关系抽取模型； 利用训练后的所述中医实体关系抽取模型， 对多个中医知识文本进行实体关系抽取， 生成各个中 医实体之间的实体关系； 根据各个中 医实体之间的实体关系， 生成中 医知识图谱。 2.根据权利要求1所述的方法， 其特 征在于， 所述利用训练后的所述中医实体关系抽取模型， 对多个中医知识文本进行实体关系抽 取， 生成各个中 医实体之间的实体关系， 包括： 针对任一中医知识文本， 均执 行： 从所述中医知识文本中拆分出三个文本段， 其中， 每个文本段中均包含已标记出的两 个中医实体； 确定每个文本段的特 征向量； 根据所述 三个文本段的特 征向量， 生成所述中 医知识文本的特 征矩阵； 对所述特 征矩阵进行 卷积运算， 生成所述中 医知识文本的特 征图； 对所述特 征图进行池化 运算， 生成所述中 医知识文本的池化后向量； 将所述池化后向量输入到所述中医实体关系抽取模型的输出层， 抽取出所述中医知识 文本中两个中 医实体之间的实体关系。 3.根据权利要求2所述的方法， 其特 征在于， 所述根据所述 三个文本段的特 征向量， 生成所述中 医知识文本的特 征矩阵， 包括： 针对任一文本段的特 征向量， 均执 行： 根据第一公式和所述文本段的特征向量， 确定所述文本段的特征矩阵， 所述第一公式 为： 其中， Zq为第q个文本段的特征矩阵， Cq为第q个文本段的特征向量， B为预设的初始矩 阵， D为所述中 医知识文本中两个中 医实体的实体向量之差， Cr为第r个文本段的特 征向量； 根据所述 三个文本段的特 征矩阵， 生成所述中 医知识文本的特 征矩阵。 4.根据权利要求2所述的方法， 其特 征在于， 所述对所述特 征图进行池化 运算， 生成池化后向量， 包括： 利用最大值池化 算法对所述特 征图进行池化， 生成第一向量； 利用平均值池化 算法对所述特 征图进行池化， 生成第二向量； 根据所述第一向量和所述第二向量， 生成所述池化后向量。 5.根据权利要求2所述的方法， 其特 征在于， 所述对所述中 医实体关系抽取模型进行训练， 包括： 利用第一损 失函数对所述中医实体关系抽取模型进行训练， 其中， 所述第一损 失函数权　利　要　求　书 1/3 页 2 CN 114579755 A 2为： L＝(1‑softmax(dm+h) )(|| δ||2+lg(softmax(dm+h) )‑τ) 其中， L为第一损失函数的值， δ为所述中医实体关系抽取模型的超参数， τ为预设的样 本的调节参数， d为预设的第一比例系数， h为预设的第二比例系数， m为样本的池化后向量。 6.构建中 医知识图谱的装置， 其特 征在于， 该装置包括： 训练模块， 用于对预先建立的中医实体关系抽取模型进行训练， 生成训练后的中医实 体关系抽取模型， 其中， 所述中医实体关系抽取模型用于将输入的一个中医知识文本拆分 为三个文本段， 每个所述文本段中均包含已标记出 的两个中医实体， 从所述三个文本段中 识别出包 含所述两个中 医实体的实体关系的语义信息； 抽取模块， 用于利用训练后的所述中医实体关系抽取模型， 对多个中医知识文本进行 实体关系抽取， 生成各个中 医实体之间的实体关系； 生成模块， 用于根据各个中 医实体之间的实体关系， 生成中 医知识图谱。 7.根据权利要求6所述的装置， 其特 征在于， 所述抽取模块， 具体用于： 针对任一中医知识文本， 均执 行： 从所述中医知识文本中拆分出三个文本段， 其中， 每个文本段中均包含已标记出的两 个中医实体； 确定每个文本段的特 征向量； 根据所述 三个文本段的特 征向量， 生成所述中 医知识文本的特 征矩阵； 对所述特 征矩阵进行 卷积运算， 生成所述中 医知识文本的特 征图； 对所述特 征图进行池化 运算， 生成所述中 医知识文本的池化后向量； 将所述池化后向量输入到所述中医实体关系抽取模型的输出层， 抽取出所述中医知识 文本中两个中 医实体之间的实体关系。 8.根据权利要求7 所述的装置， 其特 征在于， 所述抽取模块， 在执行所述根据所述三个文本段的特征向量， 生成所述中医知识文本 的特征矩阵时， 具体用于： 针对任一文本段的特 征向量， 均执 行： 根据第一公式和所述文本段的特征向量， 确定所述文本段的特征矩阵， 所述第一公式 为： 其中， Zq为第q个文本段的特征矩阵， Cq为第q个文本段的特征向量， B为预设的初始矩 阵， D为所述中 医知识文本中两个中 医实体的实体向量之差， Cr为第r个文本段的特 征向量； 根据所述 三个文本段的特 征矩阵， 生成所述中 医知识文本的特 征矩阵。 9.一种构建中医知识图谱的装置， 其特征在于， 包括： 至少一个存储器和至少一个处理 器； 所述至少一个存 储器， 用于存 储机器可读程序； 所述至少一个处理器， 用于调用所述机器可读程序， 执行权利要求1至5中任一所述的权　利　要　求　书 2/3 页 3 CN 114579755 A 3