医疗领域图谱的构建及应用 - 付子玉算法工程师

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。

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。