【基于自然语言处理的医疗知识图谱构建研究现状的文献综述3100字】

1基于自然语言处理的医疗知识图谱构建研究现状的文献综述知识图谱在我国起步较晚，但近年来国内相关的总结国内外专家学者在知识图谱领域的研究及贡献，并分析了科研机构、企业等在知识图谱应用方面的现状，全方位介绍了知识图谱领域的研究现状和应用前景。黄恒琪等人7从本体构建角度出发，对知识图谱构建基础进行研究，并指出了知识图谱未来的发展方并总结了当前知识图谱构建面临的问题和挑战。漆桂林等人9通过对现有开放知识数据集的分析，探讨了知识图谱的实际应用及演技意义。知识图谱在国外的研究相对较早，率的知识融合算法PAIRS,以两个知识库作为输入，能够高效地跨本体识图谱中相关知识存在的潜在关系进行了研究。Mavin¹4在现有的知识图谱的基础上，通近年来，有关知识图谱的应用场景及领域也在不断扩宽。邢萌3等人通过构建面向军图谱技术应用于电力领域，证明了知识图谱对于电力系统中智能连接、人机交互等环节有构建，实现了金融机构持股比例和关系的可视化，为金融工作提供了新1.2基于自然语言处理的知识抽取现状知识抽取是知识图谱构建的关键技术，其主要始的半结构化或者非结构化的文本中提取出结构化的知识，并将其等的三元组形式的过程。一般情况下，知识的抽取过程稿主要分对实抽取以及知识融合等内容，随着人工智能的发展，运用自然语抗主动学习的端到端网络安全知识三元组抽取方法，并通过融合动态注意力机制的取特定领域知识的概念，并结合IDLSSD算法实现了对DBped立了用于NER和MRE任务的双向长短期记忆组合条件随机场(BiLSTM-CRF)模型的两于BERT-BiLSTM-CRF提出一种先抽取关系和后抽取实体自动抽取知识模型，最后通过实分类策略来实现准确的分类，达到从Wikipedia的医学文章中抽取医学知识的效果。从MedlinePlus有关传染病的文章中提取诊断标准。LejlaBegicFazlic等人[391通过NLP-FUZZY使用双向长短期记忆(LSTM)执行医学指南的语义提取。自然语言处理方法在医疗抽取阶段较为节省人力，但是在审查三元组的正确过程中较为场模型相结合的方法，对阿里云天池大数据中的糖尿病数据进行抽取，并通过Neo4j数据库进行了可视化，实验结果证明将自然语言处理的方法应用于糖好的效果。刘路41对医学网站上的常见疾病进行数据的获取并以此进行常见病知识图谱的构建，在此基础上，提出了一种判断疾病种类的症状量化模型，并将其谱的医疗问答系统，用户可以通过搜索症状等查询到相关疾病并获的预测药物之间相互作用的方法。Li等人4通过采用语义分析的方法实现了对中医保健知参考文献[5]汪庆生.急性胸痛患者在急诊科风险评估与诊疗中的临床分析[J].临床医药文献电子杂[6]李涛，王次臣，李华康.知识图谱的发展与构建[J].南京理工大学学报，2017,41(01):22-34.[10]PaulheimH.Knowledgegraphrefinement:Asurveyofapproachesandevaluationmethods[11]SuchanekFM,AbiteboulS,SenellartP.PARIS:probabilisticalignmentofrelatischema[J].ProceedingsoftheVLDBEndowment,2011,5(3):157168.[12]ChenS,WenJ,ZhangR.GRU-RNNBasedQuestionAn[17]SimmonsRF.NaturalLanguageQuestionAnsweringSystems:1969[J].CommunicationsoftheA[18]YuYH,SimmonsRF.Tr