构建中文医疗领域知识图谱的产品描述-中兴netnumen u31 r10（v12.11.40）统一网元管理系统

6.1 工作总结 随着网络信息的爆炸式增长，以及人们对医疗健康问题的逐渐重视，如何从 海量的信息中针对用户的知识获取需求提供精准且高质量的知识，以及清晰的知 识网络展示，成为了研究者热衷的研究方向。知识图谱为解决这一问题提供了强 有力的支撑。本文针对用户这一需求，构建了医疗领域知识图谱，并提供相关的 知识搜索服务。 首先本文介绍了知识图谱的研究现状，并对知识图谱在垂直领域尤其是医疗 领域的发展着重叙述。然后，对知识图谱的相关技术进行了详细介绍，包括知识 图谱的架构、知识图谱的构建方法以及相关研究。其中，知识图谱的构建流程大 致可分为知识抽取、知识融合、知识加工三个步骤，其中重点介绍知识抽取环节 中命名实体识别和命名实体关系识别工作的相关方法和研究工作。此外，还对知 识图谱的存储技术以及检索技术进行了介绍。 然后，本文着重介绍了知识图谱的构建工作。本文在研究众多文献的基础上， 提出了基于双词向量改进的 D-BLSTM 模型，再考虑对特定领域，大量的标注语 料难以获取，因此提出整合半监督方法 Co-Training 方法的 CTD-BLSTM 算法模 型。然后以此进行实体识别和关系识别任务。再通过与其他模型对比，实验验证 该模型在序列标注问题上的有效性。本文介绍了中文医疗知识图谱构建的困难以 及数据源选取，然后针对医疗领域数据的特性，制定相应的策略和识别规则，完 成命名实体和实体关系的识别工作。最后，借助图数据库 neo4j 对抽取得到的实 体和关系进行存储，完成知识图谱的绘制。 最后，本文借助构建的中文医疗知识图谱，设计并实现了一个医疗知识搜索 系统。对于用户输入的自然语言形式的问句，针对用户不同的搜索意图，采用基 于知识图谱的知识搜索和面向社区问答的知识搜索方案，为用户提供更精准、更 直观的知识搜索结果。 本文的贡献在于： （1）中文医疗领域知识图谱的构建 本文针对医疗领域数据的特性，制定了相关的实体类型和词性标注，在此基