(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211082498.1 (22)申请日 2022.09.06 (71)申请人 深圳市指南针医疗科技有限公司 地址 518000 广东省深圳市南 山区粤海街 道高新区社区科苑南路3170号留学生 创业大厦一期16 08 (72)发明人 舒振峰　刘洋　杨政　 (74)专利代理 机构 深圳市恒程创新知识产权代 理有限公司 4 4542 专利代理师 冯俊贤 (51)Int.Cl. G06N 5/04(2006.01) G06N 5/02(2006.01) G16H 15/00(2018.01) G06F 40/205(2020.01)G06F 40/289(2020.01) G06F 40/30(2020.01) (54)发明名称 基于知识图谱推理算法的数据推理方法、 装 置及存储介质 (57)摘要 本发明涉及数据处理技术领域， 公开了一种 基于知识图谱推理算法的数据推理方法、 装置及 存储介质， 所述方法包括： 根据当前病历诊断报 告得到病历报告书写习惯和诊断特征数据； 根据 NLP自然语言规则通过目标语言转换策略对诊断 特征数据进行规范化处理； 根据目标知识图谱通 过目标阶数张量分解模型对标准特征数据进行 推理； 根据病历报告书写习惯 通过标准关联数据 和标准补 充数据对当前病历诊断报告进行完善， 并将目标高质量医疗数据进行推送； 通过上述方 式， 根据目标知识图谱通过目标阶数张量分解模 型推理出关联数据和标准补 充数据， 然后基于病 历报告书写习惯得到高质量医疗 数据， 从而能够 有效提高医疗 数据的质量和准确性， 进而提高用 户的工作效率。 权利要求书3页 说明书10页 附图3页 CN 115511081 A 2022.12.23 CN 115511081 A 1.一种基于知识图谱推理算法的数据推理方法， 其特征在于， 所述基于知识图谱推理 算法的数据推理方法包括以下步骤： 获取目标用户的当前病历诊断报告， 根据 所述当前病历诊断报告得到病历报告书写习 惯和诊断特 征数据； 根据NLP自然语言规则通过目标语言转换策略对所述诊断特征数据进行规范化处理， 得到标准特 征数据； 根据目标知识图谱通过目标阶数张量分解模型对所述标准特征数据进行推理， 得到标 准关联数据和标准补充数据； 根据所述病历报告书写习惯通过所述标准关联数据和所述标准补充数据对所述当前 病历诊断报告进行完善， 得到目标高质量医疗数据， 并将所述 目标高质量医疗数据进行推 送。 2.如权利要求1所述的基于知识图谱推理算法的数据推理方法， 其特征在于， 所述获取 目标用户的当前病历诊断报告， 根据所述当前病历诊断报告得到病历报告书写习惯和诊断 特征数据， 包括： 获取目标用户的当前病历诊断报告， 通过目标数据提取工具对所述当前病历诊断报告 进行数据提取， 得到诊断特 征数据； 根据所述当前病历诊断报告得到报告填写用户的标识信息； 根据所述标识信息在预设医疗平台查询出所述报告填写用户填写的其他病历诊断报 告； 根据预设词语义算法对所述当前病历诊断报告和所述其他病历诊断报告进行深度分 析， 得到诊断词义数据和诊断语义数据； 根据所述诊断词义数据和所述诊断语义数据确定病历报告 书写习惯。 3.如权利要求1所述的基于知识图谱推理算法的数据推理方法， 其特征在于， 所述根据 NLP自然语言规则通过目标语言转换策略对所述诊断特征数据进行规范化处理， 得到标准 特征数据， 包括： 根据所述诊断特 征数据确定对应的诊断数据语言规则； 在所述诊断数据语言规则与所述NLP自然语言规则不一致时， 通过目标语言转换策略 对所述诊断特 征数据进行规范化处 理， 得到标准特 征数据。 4.如权利要求1所述的基于知识图谱推理算法的数据推理方法， 其特征在于， 所述根据 目标知识图谱通过目标阶数张量分解模型对所述标准特征数据进 行推理， 得到标准关联数 据和标准补充数据， 包括： 根据所述标准特征数据和目标知识图谱设置初始特征数据实体集、 初始特征数据关系 集、 三元组集、 边界调整参数、 目标迭代次数以及空间维数； 分别将所述初始特 征数据实体集和所述初始特 征数据关系集嵌入至所述空间维数； 通过目标路径排列算法对所述初始特征数据实体集中的各个实体对进行计算， 得到当 前实体对路径； 通过目标阶数张量分解模型根据所述当前实体对路径、 嵌入后的空间维数、 三元组集、 边界调整参数以及目标迭代次数对所述嵌入后的空间维数进 行张量分解， 得到 当前分解标 准特征数据；权　利　要　求　书 1/3 页 2 CN 115511081 A 2通过预设交替算法和所述当前分解标准特征数据生成目标数据实体矩阵和目标数据 关系矩阵； 根据所述标准特征数据对所述目标数据实体矩阵和所述目标数据关系矩阵进行推理， 得到标准关联 数据和标准补充数据。 5.如权利要求4所述的基于知识图谱推理算法的数据推理方法， 其特征在于， 所述根据 所述标准特征数据和目标知识图谱设置初始特征数据实体集、 初始特征数据关系集、 三元 组集、 边界调整参数、 目标迭代次数以及空间维数之前， 还 包括： 获取各个医疗机构的医学知识数据， 对所述医学知识数据进行标准化抽取， 得到当前 医学知识数据； 对所述当前医学知识数据进行内容分层匹配， 得到医学知识库和医学知识逻辑关联 库； 获取标准病种病历数据集和历史病 种病历数据集； 根据所述医学知识库、 所述医学知识逻辑关联库、 所述标准病种病历数据集、 所述历史 病种病历数据集以及目标张量分解 算法生成初始知识图谱数据集； 根据所述初始知识图谱数据集和预设知识图谱数据质量分析规则生成目标知识图谱。 6.如权利要求5所述的基于知识图谱推理算法的数据推理方法， 其特征在于， 所述根据 所述初始知识图谱数据集和预设知识图谱数据质量分析规则生成目标知识图谱， 包括： 根据所述预设知识图谱数据质量分析规则对所述初始知识图谱数据集中的各个数据 进行质量分析， 得到各个数据对应的当前 数据质量得分； 根据预设质量分数范围和所述当前数据质量得分对所述初始知识图谱数据集进行筛 选， 得到目标知识图谱数据集； 通过目标数据提取工具对所述目标知识图谱数据集进行数据提取， 得到当前知识图谱 特征； 根据所述当前知识图谱特征、 所述目标张量分解算法以及预设知识图谱运算规则生成 目标知识图谱。 7.如权利要求1至6 中任一项所述的基于知识图谱推理算法的数据推理方法， 其特征在 于， 所述根据所述病历报告书写习惯通过所述标准关联数据和所述标准补充 数据对所述当 前病历诊断报告进行完善， 得到目标高质量医疗数据， 并将所述 目标高质量医疗数据进行 推送， 包括： 根据所述病历报告书写习惯通过所述标准补充数据对所述当前病历诊断报告进行填 充； 根据所述病历报告书写习惯通过所述标准关联数据对填充后的当前病历诊断报告进 行完善； 通过预设知识图谱数据质量分析规则对完善后的当前病历诊断报告进行质量分析， 得 到目标数据质量得分； 在所述目标数据质量得分大于预设质量得分阈值 时， 根据完善后的当前病历诊断报告 得到目标高质量医疗数据； 获取用户需求信息， 根据所述用户需求信息对目标高质量医疗数据进行选取， 并将选 取的目标高质量医疗数据进行推送。权　利　要　求　书 2/3 页 3 CN 115511081 A 3