醫(yī)學(xué)知識(shí)圖譜融合類(lèi)型及難點(diǎn)有哪些？

以下內(nèi)容都是根據(jù)相關(guān)報(bào)告總結(jié)的，如果有興趣了解更多相關(guān)的內(nèi)容，請(qǐng)下載原報(bào)告閱讀。

1.醫(yī)學(xué)知識(shí)圖譜融合類(lèi)型

知識(shí)融合在醫(yī)學(xué)知識(shí)圖譜的構(gòu)建中是解決數(shù) 據(jù)異構(gòu)和冗余的關(guān)鍵步驟，知識(shí)融合一般可 以分為 Schema 融合和實(shí)體對(duì)齊。

1）Schema 融合

Schema 融合主要發(fā)生在不同的醫(yī)學(xué)知識(shí)圖 譜融合過(guò)程中。由于醫(yī)學(xué)領(lǐng)域知識(shí)較為專(zhuān)業(yè)， Schema 的融合主要采用人工的方式進(jìn)行以 保證融合的質(zhì)量。Schema 融合的關(guān)鍵在于 充分理解不同知識(shí)圖譜的 Schema 后，找到 其中等價(jià)的語(yǔ)義類(lèi)型和屬性關(guān)系并建立等價(jià) 關(guān)系。無(wú)法建立等價(jià)關(guān)系的部分，可以尋求 建立層級(jí)關(guān)系。例如，語(yǔ)義類(lèi)型“檢驗(yàn)檢查” 和“操作”，語(yǔ)義關(guān)系“癥狀”和“臨床表 現(xiàn)”之間都可以建立 IS A 關(guān)系。若等價(jià)關(guān) 系和層級(jí)關(guān)系都無(wú)法建立，則可以視具體的 應(yīng)用需求，選擇保留所需部分。

2）實(shí)體對(duì)齊

實(shí)體對(duì)齊是知識(shí)融合中最關(guān)鍵的步驟，其主 要任務(wù)就是判斷出的實(shí)體間的等價(jià)關(guān)系。在 醫(yī)學(xué)知識(shí)圖譜的構(gòu)建過(guò)程中，一般流程為： 數(shù)據(jù)預(yù)處理→數(shù)據(jù)分塊→實(shí)體對(duì)齊。 數(shù)據(jù)預(yù)處理的主要目的是完成數(shù)據(jù)的正規(guī) 化，一般包括對(duì)實(shí)體名稱(chēng)上空格和標(biāo)點(diǎn)符號(hào) 的處理，大小寫(xiě)的統(tǒng)一，繁體和異體字的轉(zhuǎn) 換，錯(cuò)別字的修正等。數(shù)據(jù)分塊是指根據(jù)語(yǔ) 義類(lèi)型將實(shí)體劃分為不同的類(lèi)別，用于保證 只有相同或等價(jià)的語(yǔ)義類(lèi)型中的實(shí)體才會(huì)進(jìn) 行融合。根據(jù)分塊后不同類(lèi)別實(shí)體的名稱(chēng)特 點(diǎn)選擇合適的實(shí)體對(duì)齊方法，給出合適的推 薦結(jié)果，然后進(jìn)行實(shí)體對(duì)齊。常見(jiàn)的實(shí)體間 相似度計(jì)算方法包括 Jaccard 系數(shù)、Dice 系數(shù)、編輯距離、機(jī)器學(xué)習(xí)以及近年來(lái)關(guān) 注較多的知識(shí)表示學(xué)習(xí)（Representation Learning）的方法 2 。

2.醫(yī)學(xué)知識(shí)融合難點(diǎn)

在 Schema 融合工作中，醫(yī)學(xué)知識(shí)由于其 專(zhuān)業(yè)性較高，實(shí)體間的關(guān)系類(lèi)型較為復(fù)雜， 所以需要大量的醫(yī)學(xué)專(zhuān)家參與到 Schema 的融合過(guò)程中，如何讓醫(yī)學(xué)專(zhuān)家順利的理 解 Schema 和知識(shí)圖譜是其中的難點(diǎn)。在 實(shí)體對(duì)齊時(shí)，醫(yī)學(xué)類(lèi)實(shí)體間的一詞多義的現(xiàn) 象會(huì)對(duì)實(shí)體對(duì)齊帶來(lái)很大挑戰(zhàn)。例如，“肺 癌”在一些場(chǎng)景中可以用來(lái)指代“肺部惡性 腫瘤”，但實(shí)際在嚴(yán)謹(jǐn)?shù)哪[瘤形態(tài)學(xué)定義 中，“肺癌”應(yīng)為“肺部惡性腫瘤”的子類(lèi) 概念。一詞多義問(wèn)題在碰到英文縮寫(xiě)時(shí)會(huì)更 加嚴(yán)重，相同的縮寫(xiě)可能分別指代兩個(gè)無(wú) 任何關(guān)聯(lián)的實(shí)體，例如檢驗(yàn)項(xiàng)目“甘油三 酯（triacylglycerol）”和“甲狀腺球蛋白 （thyroglobulin）”的英文縮寫(xiě)都可以寫(xiě)作 “TG”。