基于知识图谱的医疗问答系统设计与实现.pdfVIP

目录

摘要I

ABSTRACTIII

第一章绪论1

1.1研究背景及意义1

1.2国内外研究现状3

1.2.1知识图谱研究现状3

1.2.2智能问答研究现状4

1.3研究内容5

1.4论文结构6

1.5本章小结7

第二章相关理论与技术概述9

2.1知识图谱概述9

2.2深度学习模型10

2.2.1卷积神经网络10

2.2.2循环神经网络13

2.2.3长短期记忆网络15

2.2.4序列到序列模型19

2.2.5条件随机场21

2.3注意力机制22

2.3.1硬性和软性注意力22

2.3.2自注意力23

2.4本章小结24

第三章医疗领域知识图谱构建25

3.1知识图谱构建流程25

3.2知识获取25

3.2.1数据集25

3.2.2数据预处理26

3.3知识抽取26

3.4知识融合28

3.5知识存储29

3.6本章小结30

第四章智能问答模型31

4.1智能问答流程31

4.2信息抽取32

4.2.1命名实体识别32

4.2.2实体链接37

4.2.3关系抽取40

4.3自然语言理解41

4.3.1意图识别41

4.3.2槽位填充44

4.4对话管理45

4.5实验评估46

4.5.1环境设置46

4.5.2数据集47

4.5.3评估指标48

4.5.4实验结果分析48

4.6本章小结49

第五章系统设计与实现51

5.1系统功能需求分析51

图5.1系统功能模块图52

5.2系统总体架构设计52

5.2.1系统架构52

5.2.2流程说明54

5.3系统测试54

5.3.1医疗问答测试55

5.3.2效果展示57

5.4本章小结58

第六章总结与展望59

6.1工作总结59

6.2未来展望60

参考文献61

在学校期间取得的科研成果67

致谢69

摘要

在当今时代，互联网已成为大众首选的信息源。然而，传统检索方法往往只能返

回一连串无序的网页链接，用户不得不亲自进行过滤。由于专业知识的大量涌现，有

效信息的甄别对用户来说越来越具挑战性。与此同时，交互式问答系统通过解析查询

问题，向用户提供精确且直接的回答，展现出更高的效率与智能度，可以满足当代社

会对信息获取的迅速和精准要求。针对医疗领域的具体需求，本文构建了较大规模的

通用医疗知识图谱，并基于此图谱搭建了一个问答系统。系统首次提出了RIGP模型

用于命名实体识别，以及RISA模型用于意图识别。本文的主要工作包括：

（1）在复杂多样的实体识别方面，本研究提出了一个新型的命名实体识别模型，

名为RIGP，以解决多种类的实