面向患者的智能医生框架研究

doi:10.3778/j.issn.1673-9418.1806024

计算机科学与探索 ›› 2018, Vol. 12 ›› Issue (9): 1475-1486.DOI: 10.3778/j.issn.1673-9418.1806024

面向患者的智能医生框架研究

谢刚1,2，吴高巍1，任俊宏1，张似衡1，牛景昊1，张文生1+

1. 中国科学院自动化研究所，北京 100080

2. 贵州师范大学大数据与计算机科学学院，贵阳 550001

出版日期:2018-09-01 发布日期:2018-09-10

Research on Intelligent Doctor Framework for Patient

XIE Gang1,2, WU Gaowei1, REN Junhong1, ZHANG Siheng1, NIU Jinghao1, ZHANG Wensheng1+

1. Institute of Automation, Chinese Academy of Sciences, Beijing 100080, China
2. School of Big Data and Computer Science, Guizhou Normal University, Guiyang 550001, China

Online:2018-09-01 Published:2018-09-10

摘要/Abstract

摘要： 目前，国内对中文智能医生的研究相对较少，针对患者需求的智能医生研究更少。鉴于此，提出了一种能及时准确地回答患者健康问题的“一问一答”智能医生框架。在该框架中，首先构建一个包含1 126 214个三元组的中文医学知识图谱和一个包含60万记录的问答库；其次提出一种基于依存关系的问题分析算法，以对用户的提问进行分析；再次提出一种将自然语言表述的临床表型数据转换成语义三元组的方法；然后提出一种问题综合评分算法对候选答案对应的问题进行评分；最后实现了一个妇产科智能医生原型系统，并利用真实的问答语料对其进行人工测试，实验结果表明使用该框架构建的智能医生框架可以有效地回答用户的问题。该项成果已成功应用于某公司的健康咨询APP中。

关键词: 智能医生, 智能问答, 知识图谱

Abstract: At present, there are few studies about intelligent doctor in China. Therefore, a Chinese intelligent doctor framework is proposed. It works by answering one question at a time and provides real-time and automatic question- answer service. Firstly, a Chinese medical knowledge graph which contains 1126214 statements about entities is constructed and a database about frequently asked questions which contains 600 thousand records is built. Secondly, a question analysis method based on dependency relation is proposed to analyze the question. Thirdly, a technique is developed to convert clinical phenotypic data stated in natural language into some semantic triples. Fourthly, an algorithm for scoring of the questions is proposed. Finally, an intelligent doctor of obstetrics and gynecology is constructed and the real data are used to test the doctor. The experiment results show that the framework is of effectiveness. The work has been embedded into an APP of a health consultant firm.

Key words: intelligent doctor, intelligent question-answer, knowledge graph

谢刚，吴高巍，任俊宏，张似衡，牛景昊，张文生. 面向患者的智能医生框架研究[J]. 计算机科学与探索, 2018, 12(9): 1475-1486.

XIE Gang, WU Gaowei, REN Junhong, ZHANG Siheng, NIU Jinghao, ZHANG Wensheng. Research on Intelligent Doctor Framework for Patient[J]. Journal of Frontiers of Computer Science and Technology, 2018, 12(9): 1475-1486.

[1]	武家伟，孙艳春. 融合知识图谱和深度学习方法的问诊推荐系统[J]. 计算机科学与探索, 2021, 15(8): 1432-1440.
[2]	高仰，刘渊. 融合知识图谱和短期偏好的推荐算法[J]. 计算机科学与探索, 2021, 15(6): 1133-1144.
[3]	舒世泰，李松，郝晓红，张丽平. 知识图谱嵌入技术研究进展[J]. 计算机科学与探索, 2021, 15(11): 2048-2062.
[4]	蔺奇卡，张玲玲，刘均，赵天哲. 基于问句感知图卷积的教育知识库问答方法[J]. 计算机科学与探索, 2021, 15(10): 1880-1887.
[5]	陈子睿，王鑫，王林，徐大为，贾勇哲. 开放领域知识图谱问答研究综述[J]. 计算机科学与探索, 2021, 15(10): 1843-1869.
[6]	董丽丽，程炯，张翔，叶娜. 融合知识图谱与深度学习的疾病诊断方法研究[J]. 计算机科学与探索, 2020, 14(5): 815-824.
[7]	陈钦况，陈珂，伍赛，寿黎但，陈刚. 关于主动学习下的知识图谱补全研究[J]. 计算机科学与探索, 2020, 14(5): 769-782.
[8]	韩鑫鑫，贲可荣，张献. 军用软件测试领域的命名实体识别技术研究[J]. 计算机科学与探索, 2020, 14(5): 740-748.
[9]	邵礼旭，段玉聪，周长兵，高洪皓，陈世展. 数据、信息和知识三层图谱架构的推荐服务设计[J]. 计算机科学与探索, 2019, 13(2): 214-225.
[10]	段玉聪，张欣悦，周长兵，黄梦醒，曹春杰，周晓谊. 面向隐式类型化资源的安全防护[J]. 计算机科学与探索, 2019, 13(12): 2061-2072.
[11]	夏维，王珊蕾，尹子都，岳昆. 基于互信息的知识图谱实体关联关系建模与补全[J]. 计算机科学与探索, 2018, 12(7): 1064-1074.
[12]	李文鹏，王建彬，林泽琦，赵俊峰，邹艳珍，谢冰. 面向开源软件项目的软件知识图谱构建方法[J]. 计算机科学与探索, 2017, 11(6): 851-862.
[13]	韩路，尹子都，王钰杰，胡矿，岳昆. 基于贝叶斯网的知识图谱链接预测[J]. 计算机科学与探索, 2017, 11(5): 742-751.
[14]	郝林雪，张鹏，宋大为，候越先. 融合知识图谱的查询扩展模型及其稳定性研究[J]. 计算机科学与探索, 2017, 11(1): 37-45.

面向患者的智能医生框架研究

Research on Intelligent Doctor Framework for Patient

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 14

编辑推荐

Metrics