基于知识图谱的用药指导查询方法及装置与流程

本发明涉及医疗人工智能技术领域，具体地涉及一种基于知识图谱的用药指导查询方法及一种基于知识图谱的用药指导查询装置。

背景技术：

目前自然语言处理技术作为人工智能最重要的一个领域之一，已经在搜索、广告、对话等方向体现了巨大的价值。在医疗领域，海量的医疗病历文本、教材、论文、问答等医疗数据，亟待自然语言处理技术的开发。知识图谱是用计算机表示知识的一种方式，已经被大量的应用于搜索、对话等方向。推荐技术是根据用户的画像，给用户推荐更加是个他个人的个性化的内容，目前主要应用在新闻阅读、电子商务、网络视频等领域。但目前的推荐技术都是基于用户的兴趣爱好进行，不适用于医疗行业。

目前，患者用药教育主要通过人工的方式，例如医生在开药时，重复性地口头告诉患者一些用药交待，药师在发药的时候，在药房窗口重复性地口头告诉患者一些简单的用法用量和注意事项。更多地知识，患者需要主动地查看药品说明书和上网搜索用药知识。药品说明书是写给专业医务人员查看的，对于普通患者而言晦涩难懂。网上搜索的知识又存在良莠不齐，缺乏权威保障的问题，而目现有的药物服务，主要以用药电商平台为主，它们以搜索为主，例如通过药物名、疾病名、症状名来检索药物，交互形式简单，且还存在以下问题：

基于词匹配的搜索方式获取到的用户信息过少，只能推荐一个较大的候选列表，用户仍然无法知道哪种药更适合自己；

没有针对用户的画像，进行合理用药的过滤，存在命中用户禁忌的风险。

技术实现要素：

本发明实施方式的目的是通过预先建立药品知识图谱并对用户进行画像从而依据药品知识图谱智能为用户筛选合适的用药信息，以解决现有的搜索方式推荐范围过大，准确率低的问题。

为了实现上述目的，在本发明的第一方面，提供一种基于知识图谱的用药指导查询方法，包括：

响应于用户端发送的查询请求，向所述用户端推送对应的交互模板；

获取所述用户端通过所述交互模板反馈的交互信息，依据所述交互信息生成所述用户端对应的用户画像；

依据所述用户画像及预先建立的药品知识图谱生成用药信息，并将所述用药信息反馈至所述用户端。

可选地，依据所述交互信息生成所述用户端对应的用户画像，包括：

解析并提取所述交互信息中的待处理实体，基于所述待处理实体的集合构建所述用户画像；

所述待处理实体包括用户的性别、年龄、月经期、孕期、哺乳期、药物过敏史、症状、正在服用的药物、患过的疾病或正在患病期的疾病。

可选地，所述依据所述用户画像及预先建立的药品知识图谱生成用药信息，并将所述用药信息反馈至所述用户端，包括：

从所述药品知识图谱中查询与所述待处理实体对应的实体数据；

依据所述实体数据生成用药信息，并将所述用药信息反馈至所述用户端。

可选地，所述药品知识图谱以结构化图谱的形式表征药品的不同维度信息，所述不同维度信息包括以下中的至少一者：

药品的所属类别、适用疾病、适用症状、不良反应、使用禁忌及药品之间的相互作用；

每个所述实体数据均包括所述实体数据对应药品的其中一个维度信息。

可选地，所述实体数据通过自然语言处理技术从开放链接数据中提取，所述开放链接数据包括用药信息词典、药品说明书、医学论文及临床指南中的至少一者。

在本发明的第二方面，提供一种基于知识图谱的用药指导查询装置，包括：

交互模块，用于响应于用户端发送的查询请求，向所述用户端推送对应的交互模板；

画像模块，用于获取所述用户端通过所述交互模板反馈的交互信息，依据所述交互信息生成所述用户端对应的用户画像；

推荐模块，用于依据所述用户画像及预先建立的药品知识图谱生成用药信息，并将所述用药信息反馈至所述用户端。

可选地，依据所述交互信息生成所述用户端对应的用户画像，包括：

解析并提取所述交互信息中的待处理实体，基于所述待处理实体的集合构建所述用户画像；

所述待处理实体包括用户的性别、年龄、月经期、孕期、哺乳期、药物过敏史、症状、正在服用的药物、患过的疾病或正在患病期的疾病。

可选地，所述依据所述用户画像及预先建立的药品知识图谱生成用药信息，并将所述用药信息反馈至所述用户端，包括：

从所述药品知识图谱中查询与所述待处理实体对应的实体数据；

依据所述实体数据生成用药信息，并将所述用药信息反馈至所述用户端。

可选地，所述药品知识图谱以结构化图谱的形式表征药品的不同维度信息，所述不同维度信息包括以下中的至少一者：

药品的所属类别、适用疾病、适用症状、不良反应、使用禁忌及药品之间的相互作用；

每个所述实体数据均包括所述实体数据对应药品的其中一个维度信息。

可选地，所述实体数据通过自然语言处理技术从开放链接数据中提取，所述开放链接数据包括用药信息词典、药品说明书、医学论文及临床指南中的至少一者。

本发明上述技术方案通过交互模板获取用户的交互信息来实时构建用户的用户画像，基于预先建立的药品知识图谱，针对用户画像生成用药信息并推荐给用户，有效的解决了基于词语匹配的搜索方式由于获取的用户信息过少而只能推荐一个较大的药物候选列表的问题。

本发明实施方式的其它特征和优点将在随后的具体实施方式部分予以详细说明。

附图说明

附图是用来提供对本发明实施方式的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明实施方式，但并不构成对本发明实施方式的限制。在附图中：

图1是本发明一种可选实施方式提供的一种基于知识图谱的用药指导查询方法的方法流程图；

图2是本发明一种可选实施方式提供的一种基于知识图谱的用药指导查询方法的系统架构框图；

图3是本发明一种可选实施方式提供的一种基于知识图谱的用药指导查询装置的装置框图。

附图标记说明

110-交互模块120-画像模块130-推荐模块

具体实施方式

以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明，并不用于限制本发明。

在本发明实施方式中，在未作相反说明的情况下，使用的方位词如“上、下、顶、底”通常是针对附图所示的方向而言的或者是针对竖直、垂直或重力方向上而言的各部件相互位置关系描述用词。

为了实现上述目的，如图1所示，本发明的实施方式提供一种基于知识图谱的用药指导查询方法，包括：

s100、响应于用户端发送的查询请求，向所述用户端推送对应的交互模板；

s200、获取所述用户端通过所述交互模板反馈的交互信息，依据所述交互信息生成所述用户端对应的用户画像；

s300、依据所述用户画像及预先建立的药品知识图谱生成用药信息，并将所述用药信息反馈至所述用户端。

如此，本实施方式的上述技术方案通过交互模板获取用户的交互信息来实时构建用户的用户画像，基于预先建立的药品知识图谱，针对用户画像生成用药信息并推荐给用户，有效的解决了基于词语匹配的搜索方式由于获取的用户信息过少而只能推荐一个较大的药物候选列表的问题。

具体的，知识图谱是指以实体、概念作为节点，以语义关系作为边的语义网络。在知识图谱中，每个节点表示一个现实世界中存在的“实体”，每条边为实体与实体之间的“关系”，知识图谱通过把所有不同种类的信息连接在一起而得到的一个关系网络。本实施方式通过文本结构化抽取技术、实体关系挖掘技术、知识的表示技术和归一消歧技术构建药品知识图谱，从而将所有药品相关的信息进行融合，组成药品相关信息的关系网络，从而将药品领域知识数据体系化、关系化。本实施方式通过服务器构建知识图谱，下文中称为该服务器是知识图谱服务器。知识图谱服务器通过网络爬虫或人工添加等技术手段从网络资源中提取药品的相关数据，建立药品的不同实体数据，每条实体数据包括该实体对应药品的一项相关信息，通过建立不同药品的不同实体数据及各实体数据之间的关系，从而构建药品知识图谱。

如图2所示，本发明实施方式可以应用在移动终端app、微信公众号及小程序上，移动终端可以是智能手机或平板电脑。在本实施方式中，用户通过安装在移动终端上的app访问云服务器以通过云服务器进行数据交互，云服务器与知识图谱服务器通信连接，云服务器通过知识图谱服务器访问预建立的药品知识图谱，从而通过药品知识图谱的关系推理为用户推荐用药。用户通过智能手机app上的查询入口进入查询的微信小程序，云服务器接收到用户端启动微信小程序的查询请求后，通过该小程序向用户端推送对应的交互模板，以人机交互的方式采集用户的信息，从而依据采集到的信息为用户实时画像，生成用户的用户画像。通过人机交互的方式引导用户，获取用户发送的交互信息，从获取的交互信息数据中挖掘深层次的与用户需求相关的特征信息，以提取到的特征信息作为用户的特征标识，每个特征标识作为用户的一个标签，对用户进行基于标签的分类和抽取将不同数据抽象出一个标签化的用户模型，从而生成用户画像。确定了用户画像后，云服务器通过药品知识图谱，从药品知识图谱查询与用户症状相关的所有药品实体数据，并依据用户画像过滤掉不适宜于用户服用的药品，例如，若用户画像中包括“青霉素，过敏”的标签，则在查询药品实体数据时将青霉素相关实体数据过滤掉，从而生成用药信息，并基于用药信息生成药指导报告反馈给用户端并存储至云服务器，如果用户想查看自己的历次用药记录，可以通过app提供的相关控件查看用户的用药历史记录列表。通过为用户实时生成用户画像，能为用户过滤掉不适用于用户的药物，从而针对用户更精准的推荐用药。

依据用户发送的交互信息实时生成用户画像，能有效提高为用户推荐用药的准确性。依据交互信息生成用户端对应的用户画像，包括：

解析并提取交互信息中的待处理实体，基于待处理实体的集合构建用户画像；

待处理实体包括用户的性别、年龄、月经期、孕期、哺乳期、药物过敏史、症状、正在服用的药物、患过的疾病或正在患病期的疾病。

例如，在一个人机交互示例中，智能机器人依据交互模板向用户发送问题，其对话如下：

“智能机器人：请问你的年龄是？

用户：25

智能机器人：请问你的性别是？

用户：男

智能机器人：请问你的症状是？(头晕、头痛、腹泻。。。)

用户：头晕

智能机器人：请问你对哪些药物过敏？

用户：无

智能机器人：请问你目前在服用哪些药物？

用户：磷酸奥司他韦胶囊。。。”

通过自然语言处理技术从用户发送的交互信息中提取特征信息的待处理实体，例如，从对话中提取到用户的“年龄，25”及“性别，男”等特征信息，并以获取到的特征信息作为用户的标签，基于提取到的所有标签的集合，生成用户画像。由于用户画像包括了用户的多项特征信息，因此，在基于用户画像为用户推荐用药时，能更准确的为用户推荐适合用户的药品，同时，利用药品知识图谱中的药品属性关系网络，能有效的避免为用户推荐的药品与用户正在服用的药品之间存在不良的相互作用或避免为用户推荐的药品使用户过敏。

药品知识图谱中存储的是表征药品不同属性的实体数据，每条实体数据都都由一个表征对应药品的某种属性的三元组构成，因此，依据用户画像及预先建立的药品知识图谱生成用药信息，并将用药信息反馈至用户端，包括：

从药品知识图谱中查询与待处理实体对应的实体数据；

依据实体数据生成用药信息，并将用药信息反馈至用户端。

每条实体数据均表征一项该实体数据对应药品的属性，例如，待处理实体中包括“布洛芬悬混液”，则从药品知识图谱中查询与药品布洛芬悬混液相关的所有实体数据，从而依据获取到的所有与布洛芬悬混液相关的实体数据生成用药信息，并依据用药信息生成用药指导报告。

每种药品包括多个维度的属性信息，该药品对应的每条实体数据均包括其中一个维度的属性信息，本实施方式中，药品知识图谱以结构化图谱的形式表征药品的不同维度信息，不同维度信息包括以下中的至少一者：

药品的所属类别、适用疾病、适用症状、不良反应、使用禁忌及药品之间的相互作用；

每个实体数据均包括实体数据对应药品的其中一个维度信息。

以布洛芬悬混液为例，布洛芬悬混液包括名称、成份、性状、适应症、不良反应及禁忌等维度的属性信息，则布洛芬悬混液的每个维度信息均对应一条实体数据，每条实体数据都由一结构为(实体，属性，属性值)的三元组构成。例如，(布洛芬悬混液，成份，布洛芬20毫克/每毫升)，表示布洛芬悬混液的主要成份是布洛芬，每毫升布洛芬悬混液含布洛芬20毫克；(布洛芬悬混液，性状，橙色混悬液)，表示布洛芬悬混液的性状为橙色混悬液；(布洛芬悬混液，用法，口服)，表示布洛芬悬混液的用法为口服，同理，(布洛芬悬混液，适应症，用于儿童普通感冒或流感引起的发热)表示布洛芬悬混液适用于儿童普通感冒或流感引起的发热。则，通过药品知识图谱获取到的药品相关的所有实体数据，基于用户画像过滤后，生成的用药指导报告的功能模块如表1所示：

表1

药品知识图谱是由药品对应的不同维度信息的实体数据构成，本实施方式中，实体数据通过自然语言处理技术从开放链接数据中提取，开放链接数据包括用药信息词典、药品说明书、医学论文及临床指南中的至少一者。

构建药品知识图谱需要大量的药品相关数据来建立实体数据，本实施方式通过从药品说明书、用药信息词典、医学论文及临床指南相关数据库中挖掘药品注意事项、使用禁忌、相互作用关系，将每种药品与挖掘的知识对应起来，建立为三元组实体数据，存储到图数据库中，形成药品知识图谱,以使得药品知识图谱包含药品之间相互作用、使用禁忌、药品相关知识等相互关系。目标实体的挖掘可以通过网络爬虫从相关数据库中爬取药品信息，也可以通过人工添加，从而完善药品知识图谱。

如图3所示，在本发明的第二方面，提供一种基于知识图谱的用药指导查询装置，包括：

交互模块110，用于响应于用户端发送的查询请求，向用户端推送对应的交互模板；

画像模块120，用于获取用户端通过交互模板反馈的交互信息，依据交互信息生成用户端对应的用户画像；

推荐模块130，用于依据用户画像及预先建立的药品知识图谱生成用药信息，并将用药信息反馈至用户端。

可选地，依据交互信息生成用户端对应的用户画像，包括：

解析并提取交互信息中的待处理实体，基于待处理实体的集合构建用户画像；

待处理实体包括用户的性别、年龄、月经期、孕期、哺乳期、药物过敏史、症状、正在服用的药物、患过的疾病或正在患病期的疾病。

可选地，依据用户画像及预先建立的药品知识图谱生成用药信息，并将用药信息反馈至用户端，包括：

从药品知识图谱中查询与待处理实体对应的实体数据；

依据实体数据生成用药信息，并将用药信息反馈至用户端。

可选地，药品知识图谱以结构化图谱的形式表征药品的不同维度信息，不同维度信息包括以下中的至少一者：

药品的所属类别、适用疾病、适用症状、不良反应、使用禁忌及药品之间的相互作用；

每个实体数据均包括实体数据对应药品的其中一个维度信息。

可选地，实体数据通过自然语言处理技术从开放链接数据中提取，开放链接数据包括用药信息词典、药品说明书、医学论文及临床指南中的至少一者。

综上所述，本发明实施方式的上述技术方案通过交互模板获取用户的交互信息来实时构建用户的用户画像，基于预先建立的药品知识图谱，针对用户画像生成用药信息并推荐给用户，有效的解决了基于词语匹配的搜索方式由于获取的用户信息过少而只能推荐一个较大的药物候选列表的问题。同时，通过知识图谱及用户画像为用户进行个性化推荐，能有效提高医院工作效率，无需人工介入，能实现24小时在线，为医院医生和药房解决重复用药交待、业务繁忙无暇进行患者教育、离院无法进行患者教育的问题。同时方便患者获得用药知识，解决用药知识太专业，不易被患者理解、用药知识容易被遗忘、用药过程疑问缺少有效指导的问题。基于自然语言处理技术的文本挖掘技术，相比人工编写的规则，无论是使用方法，还是不良反应的应对策略，都能极大地提高用药知识的覆盖，减少遗漏。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。

存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flashram)。存储器是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitorymedia)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。

以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。