基于醫療知識圖譜自動問答系統的構建研究

葉曉鵬

關鍵詞：深度學習；知識圖譜；自動問答；醫療領域

0 引言

近年來，隨著計算機技術和新一代信息技術的發展，基于人工智能的自動問答系統也被廣泛應用到各個行業[1-14]，但是隨著海量數據爆發式的增長，現階段的知識圖譜也不能滿足高效化、智能化、專業化應用的需求，需要更新的知識圖譜構建方法和技術出現，以應對海量數據的變化，來滿足和完成專業性比較強的領域的人工智能問答。

為此，國內外專家在知識圖譜自動問答研究上開展不同的研究。Kumar A J[1]（2017） 使用基于知識圖的結構化數據構建語音識別和語言理解相結合的統一系統，有助于將語義豐富的數據模型用于語音接口；Lukovnikov[2]（2017） 則訓練了一個神經網絡，以端到端的方式回答簡單的問題，而所有決策都留給了模型；張勝[3]（2017） 使用了字向量的表示形式，減少了不準確性對后續匹配模型的負面級聯影響；余傳明[4]（2019）提出了一種新的知識圖譜對齊模型。解決了領域知識融合過程中所帶來的冗余和不一致問題；趙毓誠[5]（2019） 針對目前航空不安全事件存在知識圖譜讀取困難的問題，設計實現了一個文獻領域知識圖譜輔助構建系統；張崇宇[6]（2019） 提出了知識圖譜構建與知識圖譜自動問答系統的解決方案，并完成了醫療輔助問診服務平臺的設計與實現；張志昌等人[7]（2020） 提出一種雙向門控循環單元（GRU）和雙重注意力機制結合的中文電子病歷醫療實體關系識別方法，構建BiGRU-Dual Attention模型，獲取更細粒度的特征；邵紅[8]（2020） 設計并實現了基于自由文本的問題生成模型，提高了指定答案自動生成自然語言形式的準確率；馬滿福等人[9]（2020） ，針對中文分詞的特點，利用電子住院記錄利用Glove模型訓練醫學詞向量；黃偉等人[10]（2021） 使用戶能夠在線實時得到醫療問題的解答，從而提高用戶體驗；李學亮[11]（2021） 針對機器對用戶問題理解有偏差的問題，通過對用戶問題進行意圖識別的方法來解決；張明磊[12]（2021） 通過對醫療開源數據的融合，以Web 端作為交互平臺，實現了基于醫療疾病知識圖譜的問答系統，幫助患者查詢相關疾病信息；李百合[13]（2022） 針對失智患者常伴隨精神行為癥狀且家庭護理者缺乏專業知識，提出了一種解決家庭照護者在失智照護過程中遇到的棘手問題方法；程子佳等人[14]（2022） 針對問答系統存在理解能力和查全率不足的問題，設計并實現了基于知識圖譜的自動問答模型，優化提升了查詢率。

為此，本文在前人研究的基礎上，構建一個醫療領域知識圖譜的自動問答系統，通過解析問句意圖進行命名實體識別，測試實驗結果表明本方法能夠實現醫療領域自動問答。

1 相關理論及需求分析

研究成果表明早期的問答系統大多是基于專家系統設計和構建的，系統常見的是關系型的數據庫，系統對于存在的問題，常見的處理方式是將問題轉換為查詢語句，通過到現有的數據庫中自動查詢答案，該方法不但耗時費力，而且可解決的自動問答問題類型和數量有限。而基于知識圖譜的問答系統，通過引入知識圖譜的概念，直接通過檢索系統知識庫比對完成問答任務。

1.1 語義解析知識庫問答

語義解析得到了一個句子的邏輯表示，再根據邏輯表示到知識庫里查詢，也就是針對一個工作是進行類型審查，審查每個算符是否具有語言規范KB-QA的思路是通過對自然語言進行語義上的分析，轉化成為一種能夠讓知識庫看懂的語義表示，進而通過知識庫中的知識，進行推理（Inference） 查詢（Query） ，得出最終的答案。簡而言之，語義解析要做的事情，是將自然語言的問題轉化為一種能夠讓知識庫“看懂”的語義表示，這種語義表示即邏輯形式（Logic Form） 。語法解析的過程可以看作是自底向上構造語法樹的過程，樹的根節點，就是該自然語言問題最終的邏輯形式表達。

1.2 基于深度學習的問答

構建傳統的問答系統主要是將機器層次較低學習模型改進，用手工的方法構造基本特征，而對于不同領域的數據處理，不同形式問句都缺少靈活性，還需要有經驗的人員進行數據標注和特征模型提取，工作量大且質量不高，無法適應多樣性的問題。近年來，深度學習在許多領域的研究中已得到了不錯的成效，表示出了其突出的知識學習能力。問答系統中必須處理的重要問題是：怎樣完成用戶的提出的問句與結果的語義表達與匹配的問題、針對問答系統要解決的關鍵問題。

2 知識圖譜的自動問答

2.1 知識圖譜問答方法

基于知識圖譜的自動問答是利用自然語言處理技術，分析理解用戶提問，進一步在系統知識庫中檢索查詢，進行比對和整理，才將歸納的答案返還給用戶。知識圖譜問答的方法路線常見的有兩種：基于語義解析的查詢方法和基于向量建模的排序方法。基于語義解析的查詢方法是對用戶提出的自然語言問句解析，提取問句中的實體，判別用戶意圖，為了使機器能夠理解和執行，將其轉換為對應的語義表示，并使用該語義表示對應執行結構化的查詢語句，從而在知識圖譜中得到精準的答案。基于向量建模的排序方法是一種端到端的方法，它在知識圖譜中依靠用戶輸入的自然語言問句進行子圖定位，找到有關的待篩選候選答案后，利用排序模型或者分類模型對待篩選候選答案評價打分，取滿足設定閾值的得分最高的答案作為結果返回給用戶。

2.2 知識圖譜構建流程

對于領域知識圖譜模式層的構建，常常通過構建上下混合模式的方法來實現。該方法有兩種構建模式：自頂向下和自底向上。這種方法主要是通過迭代和不斷優化，進一步生成設計預期要求的醫療領域知識圖譜。該設計方法有自頂向下的模式層設計、數據采集與信息抽取、自底向上的模式層優化和知識連接四個步驟，具體構建方法如圖1所示。

（1） 自頂向下的模式層設計過程：主要是建立一個基礎的領域知識圖譜模式層，從而幫助下一步要進行的數據采集和信息抽取。

（2） 數據采集與信息抽取過程。主要是分為數據采集和信息抽取。利用相關技術對數據進行采集和整理，從而幫助下一步要進行的模式層優化的資源。

（3） 自底向上的模式層優化。主要通過構建輔助知識圖譜模式層，進一步地優化和完善現有的模式層知識體系。

（4） 知識連接。首先將知識元素添加到對應的數據層中，再通過模式層的關系連接起來不同的實體，從而形成知識圖譜的數據內容和應用的數據。

3 實驗與結果分析

3.1 系統環境部署

問答系統常見的數據結構設計主要使用Python和PHP 兩種語言。這兩種語言的主要功能分別是進行自然語言處理和實現系統頁面，他們的部分代碼通常分別部署在阿里云服務器和新浪云服務器上。

3.2 功能需求分析

系統用戶通過前端交互頁面訪問系統，對醫療領域相關問題進行提問，系統通過對用戶輸入的理解分析，在知識圖譜中查詢相關答案并將結果返還給用戶。系統功能主要有5點：

（1） 可視化的交互界面。交互界面用戶提供了文本輸入入口，提示用戶操作方式，用戶通過文本輸入框將問題傳輸給后端系統處理，在系統中檢索答案并接收系統答案輸出。

（2） 對用戶輸入的處理及時處理。系統后端需要對用戶的輸入進行接收并作相應處理，在前端頁面展示給用戶。

（3） 用戶日志的存儲。對于用戶的搜索進行記錄并保存，方便進行多輪對話的處理。

（4） 醫療數據的更新。定時爬取醫療疾病知識圖譜的數據信息，與現有數據庫對比，進行人工校驗更新。

（5） 自動問答。對于接收到的問題輸入，通過算法的分析提取出問句實體和問句意圖，嵌入定義好的Cypher 查詢語句中，進行檢索并返還給用戶。

3.3 測試結果與分析

本文提出了實體關系抽取模型，首先是將雙向GRU加入到句子編碼階段中，再使用字級注意力機制提高字權重，接著采用句子級注意力機制，最后獲取更多語句的特征，該方法主要通過增大正確標注的句子權重，提高系統自動問答的能力。具體數據如表1所示。

從圖2可知，通過對自動問答的精確率P、數據的召回率R和系統的F1值測試，本文構建的方法優于其他傳統的三種遠程監督方法，本文的方法不需要人工構建特征，就能夠準確學習到句子的語義信息。同時因為加入字級和句子級注意力機制，進一步有效緩解標簽錯誤的問題。

同時，如果當用戶在問句中沒有找到自己需要對應的答案時或者屬于一般的閑聊語句時，系統會接入閑聊模式進行答復，其測試效果如圖3所示。

4 結束語

隨著新一代信息技術的發展，醫療自動問答應用更加廣泛，然而現有的問答系統的效果并不太理想，為此，本文提出一種構建醫療領域知識圖譜方法，該方法主要通過解析問句意圖進行命名實體識別，測試表明本方法優于其他三種遠程監督方法。雖然基于深度學習的答案排序法略顯優勢，但是依然存在一定的不足，同時缺乏泛化性、可解釋性，對時序性問題不能很好回答，所以進一步地提升知識圖譜自動問答系統，需要我們更加深入的研究。