基于知识图谱的原发性肝癌知识问答系统

被引：48

作者：

曹明宇 ^{[1
]}

李青青 ^{[1
]}

杨志豪 ^{[1
]}

王磊 ^{[2
]}

张音 ^{[2
]}

林鸿飞 ^{[1
]}

王健 ^{[1
]}

机构：

[1] 大连理工大学计算机科学与技术学院

[2] 军事医学科学院

来源：

中文信息学报 | 2019年 / 33卷 / 06期

基金：

国家重点研发计划;

关键词：

问答系统; 知识图谱; 原发性肝癌;

D O I：

暂无

中图分类号：

TP391.1 [文字信息处理]; R735.7 [肝肿瘤];

学科分类号：

摘要：

问答系统可以增加用户获取信息的便捷度,而知识图谱作为结构化的数据来源,可以为问答系统提供更加高质量的知识,基于医学知识图谱的问答系统具有重要的研究和应用意义。该文针对成人中常见的原发性肝癌,从医学指南及SemMedDB知识库中抽取其知识三元组,构建了原发性肝癌的知识图谱。在此基础上,实现了流水线式的问答系统:先识别问题中的实体,再结合TFIDF和词向量生成句子向量,匹配最相似的问题模板,根据模板的语义及问题中的实体,到知识图谱中检索答案。实验表明,该系统可以有效地回答原发性肝癌相关的药物、疾病及表征等问题。

引用

页码：88 / 93

页数：6

共 6 条

[1] 基于中文知识图谱的电商领域问答系统
杜泽宇
杨燕
贺樑
[J]. 计算机应用与软件, 2017, 34 (05) : 153 - 159
[2] 知识图谱研究进展
漆桂林
高桓
吴天星
[J]. 情报工程, 2017, 3 (01) : 4 - 25
[3] 知识图谱技术综述
徐增林
盛泳潘
贺丽荣
王雅芳
[J]. 电子科技大学学报 , 2016, (04) : 589 - 606
[4] Hepatocellular carcinoma
Forner, Alejandro
Llovet, Josep M.
Bruix, Jordi
[J]. LANCET, 2012, 379 (9822) : 1245 - 1255
[5] Semantic MEDLINE: An advanced information management application for biomedicine[J] . Thomas C. Rindflesch,Halil Kilicoglu,Marcelo Fiszman,Graciela Rosemblat,Dongwook Shin.Information Services and Use . 2011 (1-2)
[6] Learning to Forget: Continual Prediction with LSTM[J] . Felix A. Gers,J＆uuml,rgen Schmidhuber,Fred Cummins.Neural Computation . 2000 (10)

← 1 →