Construction and application of Chinese breast cancer knowledge graphbased on multi-source heteroge

摘要:提出了一个从多元异构数据构建乳腺癌知识图谱的框架（BCKG），可以支持知识问答，乳腺癌术后随访和保健，提高乳腺癌诊断，治疗和管理的质量和效率

本文提取的三元组来源于临床指南，医学百科全书和电子病历

框架:应用多种知识提取方法，从多元异构数据提取乳腺癌相关知识并通过知识融合构建知识图谱。

方法:1本体建模2知识提取3知识融合和构建知识图谱

1本体（描述领域中实体，概念，属性和他们之间的关系）建模:用pretege构建的本体模型，（自顶向下或自底向上或两者结合）pretege是知识图谱编辑器和本体构建工具，用户能够定义概念属性和关系，支持描述逻辑的本体语言Web Ontology Language（OWL）。pretege还能进行本体的可视化编辑、推理、验证

知识提取:本文从三种高质量数据源中提取知识，临床指南（非结构文本化数据，半结构化表格数据），医学百科全书（结构化infobox和半结构化文本），病历（非结构化文本数据），由于三种数据源的格式和特点不同，本文采用不同的方法进行知识提取。

临床指南中的非结构化文本数据:联合学习模型:将实体识别和关系提取建模为统一任务，采用统一的参数更新策略，关系提取的结果直接反馈给模型来更新整体参数，从而优化实体识别结果。

该方法将实体识别和关系建模建模为令牌对分类任务，m个关系使用mn×n矩阵建模，n是文本中的字符数。

半结构化表格数据提取:本文设计了表提取模型（TEM），由命名体识别模型（Bert+BiLSTM+CRF）和文本匹配模型（Bert+ESIM）两部分构成。将表标题作为文本匹配任务，与关系文本进行语义匹配，匹配度最好的作为实体间的关系。

思路一:医学百科全书:结构化infobox，html解析提取，还可以用模式匹配或者nlp分词处理。

半结构化文本:将所有文本拼在一起，再进行联合提取

病历:包含多种类型的事件，如疾病的诊断，手术，药物治疗，这些事件又包含医院，时间和症状等事件元素。

知识融合:本体融合:因为本体融合包含更少的数据影响很多实体和三元组，本文采用医学专家和知识图谱专家开发的手动整理和映射的方法。

实体融合根据成分词典对术语进行拆分，对不同的成分赋予不同的的权重

评估:三元组:准确率

       知识融合:TOP@N:召回的前n个匹配结果中的正确率

        事件提取:精确率，召回率，f1scor