医疗领域图谱的构建及应用 - 付子玉 算法工程师

医疗健康图谱的构建和应用

业务场景介绍

• 公司介绍：中国领先的医疗领域连接者及数字化专业服务提供商，以“聚专业力量，做靠谱产品”为使命，致力于“健康更多，生活更好”，秉持“正直、开放、投入、创新”的价值观。
• 业务模式：通过丁香园平台连接 ToD（学术互动、科研需求）和 ToC（大众健康服务），包括丁香医生、丁香妈妈、丁香诊所、丁香家等。
• 短文本语义理解：
  • 传统关键词方案：仅提取关键词，如气管、硬膜外腔等。
  • 融合知识图谱方案：结合知识图谱，生成更丰富的标签，如硬膜外麻醉、麻醉医学等。
  • 标签生成增强：利用概念知识图谱的主题模型，获得更抽象的上层标签。
• Query 扩展：
  • 原始 Query：如“哈萨克斯坦”、“产褥垫”。
  • 扩展 Concept：结合知识图谱扩展为“新冠疫情哈萨克斯坦疫情”、“生产必备品待产包”等。
  • 扩展实体：进一步扩展为“纸尿裤”、“卫生巾”等。
• 语义匹配：利用对比学习框架（如 ConSERT、SimCSE）进行语义匹配。

医疗图谱构建

• Taxonomy 概念图谱构建：
  • 命名实体识别（NER）：识别疾病、身体部位、症状等实体，如“症状性动脉粥样硬化”、“椎动脉”、“狭窄”。
  • 关系抽取：抽取实体间的关系，如对象、关系、主体。
  • 概念抽取：从文本中抽取概念，参考方法包括腾讯的 Query 和 Document 理解系统、阿里巴巴的 AliCG 等。
• SMedBERT：
  • 定义：知识增强的预训练语言模型，首次将医学实体和结构化语义信息引入预训练模型。
  • 特点：
    • 丰富的语义：包含实体类型和关系。
    • 知识桥梁：链接相关实体。
  • 创新：提出 Mention-neighbor Hybrid Attention 和 Mention-neighbor Context Modeling。

未来挑战

1. 训练数据成本高：如何降低人工成本，构建良性的数据闭环。
2. 图谱复用性：随着业务扩展，如何提升图谱的复用性，实现高质量图谱融合。
3. 用户意图识别：如何更好地识别长尾低频用户行为背后的意图。

加入我们

• 联系方式：知乎、丁香园自然语言处理公众号、邮箱（fuziyu@dxy.cn）。