打開文本圖片集

摘要：隨著人工智能技術(shù)的飛速發(fā)展，構(gòu)建醫(yī)療領(lǐng)域的知識(shí)圖譜成為智慧醫(yī)療的研究熱點(diǎn)。同時(shí)抑郁癥、強(qiáng)迫癥等心理疾病的發(fā)病率逐年呈現(xiàn)低齡化趨勢(shì)，已經(jīng)成為亟待解決的嚴(yán)重的公共衛(wèi)生問題。本文闡述一種基于多源數(shù)據(jù)融合的心理健康知識(shí)圖譜構(gòu)建方法，選取3個(gè)不同源頭數(shù)據(jù)動(dòng)態(tài)整合構(gòu)建心理健康知識(shí)語(yǔ)料庫(kù)增加可信度。通過信息抽取、知識(shí)融合、知識(shí)存儲(chǔ)等步驟最終實(shí)現(xiàn)心理健康知識(shí)圖譜可視化。

關(guān)鍵詞：知識(shí)圖譜；心理健康；多源數(shù)據(jù)融合；可視化

中圖分類號(hào)：TP391.5 文獻(xiàn)標(biāo)識(shí)碼：A

Abstract：With the rapid development of artificial intelligence technology，building a Knowledge Graph in the medical field has become a research hotspot in wisdom medical. At the same time，the incidence rate of depression，obsessive-compulsive disorder and other psychological diseases is showing a trend of younger age year by year，which has become a serious public health problem to be solved urgently. This paper describes a method of constructing mental health Knowledge Graph based on multi-source data fusion，and selects three different sources of data to dynamically integrate and construct a mental health knowledge corpus to increase credibility. Through Information extraction，knowledge fusion，knowledge storage and other steps，the Knowledge Graph of mental health is finally visualized.

Key words：Knowledge Graph；Mental Health；Multisource Data Fusion；Visualization

引言

近年來，隨著人工智能技術(shù)的飛速發(fā)展，自然語(yǔ)言處理和數(shù)據(jù)挖掘技術(shù)已經(jīng)被廣泛應(yīng)用到各個(gè)領(lǐng)域的大數(shù)據(jù)語(yǔ)料庫(kù)自動(dòng)構(gòu)建和非結(jié)構(gòu)化數(shù)據(jù)處理。2012年，谷歌公司首次提出了知識(shí)圖譜（Knowledge Graph，簡(jiǎn)稱KG）的概念。此后知識(shí)圖譜日益成為大數(shù)據(jù)領(lǐng)域研究的熱門話題，國(guó)外已陸續(xù)出現(xiàn)了面向醫(yī)療健康領(lǐng)域的知識(shí)圖譜。目前構(gòu)建完成的醫(yī)療領(lǐng)域的知識(shí)圖譜普遍具有數(shù)據(jù)量巨大、研發(fā)投入高、信息量全等優(yōu)勢(shì)，但部分知識(shí)圖譜在實(shí)際應(yīng)用過程中存在數(shù)據(jù)源單一，說服力不高，操作繁瑣等缺點(diǎn)。同時(shí)目前國(guó)內(nèi)針對(duì)心理健康知識(shí)領(lǐng)域的精細(xì)圖譜比較匱乏。本文嘗試?yán)米匀徽Z(yǔ)言處理和數(shù)據(jù)挖掘技術(shù)構(gòu)建基于多源數(shù)據(jù)融合的心理健康知識(shí)圖譜，旨在能夠?qū)崿F(xiàn)對(duì)人們進(jìn)行心理健康知識(shí)普適性教育，同時(shí)可以幫助心理疾病患者及家屬實(shí)現(xiàn)自我診斷和病情監(jiān)測(cè)和輔助醫(yī)生臨床做出決策等。

1 研究背景

1.1 心理疾病

常見的心理疾病主要包括抑郁癥、焦慮癥、恐懼癥、強(qiáng)迫癥等。近些年，由于社會(huì)競(jìng)爭(zhēng)激烈導(dǎo)致人們生活壓力的增大和受新冠疫情的影響，全世界各地各種心理疾病的發(fā)病率呈現(xiàn)直線上升趨勢(shì)。以抑郁癥為例，據(jù)2020年世界衛(wèi)生組織（WHO）披露數(shù)據(jù)顯示，抑郁癥已成為世界第二大疾?。▋H次于癌癥），全球有超過3.5億人患抑郁癥，近十年來患者增速約18%，每年大約有100萬人因?yàn)橐钟舭Y自殺。同時(shí)抑郁癥等心理疾病的發(fā)病率逐年呈現(xiàn)低齡化趨勢(shì)，已經(jīng)成為亟待解決的嚴(yán)重的公共衛(wèi)生問題。

而與之對(duì)應(yīng)的是目前多數(shù)人們對(duì)心理健康知識(shí)知之甚少，主要表現(xiàn)在：（1）對(duì)“心理健康”問題存在羞恥感，認(rèn)為心理有問題的人就是精神不正常表現(xiàn)。（2）缺乏心理疾病常識(shí)，無法根據(jù)臨床表現(xiàn)正確分辨自身及他人罹患的心理疾病類型。（3）忽視心理疾病帶來的危害，普遍認(rèn)為心理疾病并不需要專業(yè)的治療，僅靠自我排解就能解決問題，最終導(dǎo)致病情惡化甚至危及生命。

1.2 知識(shí)圖譜

知識(shí)圖譜是現(xiàn)實(shí)世界中根據(jù)實(shí)體間關(guān)系相互連接起來所形成的一種網(wǎng)絡(luò)結(jié)構(gòu)，用于呈現(xiàn)各類實(shí)體以及實(shí)體間的關(guān)聯(lián)關(guān)系。利用將自然語(yǔ)言處理和數(shù)據(jù)挖掘技術(shù)將半結(jié)構(gòu)化、非結(jié)構(gòu)化的數(shù)據(jù)整合成知識(shí)圖譜可以幫助機(jī)器完成某一知識(shí)領(lǐng)域大數(shù)據(jù)的快速分析和簡(jiǎn)化表示，最終實(shí)現(xiàn)智慧搜索與智能交互。目前知識(shí)圖譜已經(jīng)廣泛應(yīng)用在銀行、保險(xiǎn)、證券、醫(yī)療、物流等領(lǐng)域。構(gòu)建完整的知識(shí)圖譜主要包含數(shù)據(jù)獲取（原始語(yǔ)料庫(kù)構(gòu)建）、信息抽取、知識(shí)融合和知識(shí)存儲(chǔ)和可視化等步驟。

由于心理疾病在臨床上存在癥狀多、復(fù)雜性高、易誤診和類型鑒別困難等特點(diǎn)，所以構(gòu)建心理健康知識(shí)圖譜如果僅采用單一數(shù)據(jù)源的話不具備較強(qiáng)說服力和有效力。本文構(gòu)建的心理健康知識(shí)圖譜原始語(yǔ)料庫(kù)數(shù)據(jù)來源除了包括醫(yī)學(xué)權(quán)威書籍、科研論文外，還從浩瀚的互聯(lián)網(wǎng)中獲取有價(jià)值的相關(guān)數(shù)據(jù)信息。采用多源數(shù)據(jù)融合方式進(jìn)行數(shù)據(jù)獲取，對(duì)心理健康知識(shí)圖譜構(gòu)建及可視化研究具備重要啟發(fā)意義。

2 心理健康知識(shí)圖譜構(gòu)建過程

2.1知識(shí)圖譜構(gòu)建體系架構(gòu)

心理健康知識(shí)圖譜構(gòu)建體系架構(gòu)如圖1所示，主要包含多源數(shù)據(jù)語(yǔ)料庫(kù)構(gòu)建、信息抽取、知識(shí)融合、知識(shí)存儲(chǔ)及可視化這幾個(gè)步驟。關(guān)鍵核心技術(shù)是通過信息抽取、知識(shí)融合等技術(shù)從歸一化后的多源數(shù)據(jù)語(yǔ)料庫(kù)中抽取其中的實(shí)體、屬性等關(guān)鍵知識(shí)及其關(guān)系，最終以三元組的形式存儲(chǔ)于圖數(shù)據(jù)庫(kù)中。

2.2多源數(shù)據(jù)語(yǔ)料庫(kù)構(gòu)建

多源數(shù)據(jù)語(yǔ)料庫(kù)構(gòu)建也叫做知識(shí)獲取/數(shù)據(jù)獲取階段，是后續(xù)完成構(gòu)建心理健康知識(shí)圖譜的基礎(chǔ)。顯然選擇采用多源數(shù)據(jù)構(gòu)建的語(yǔ)料庫(kù)顯然比單一數(shù)據(jù)源可靠、準(zhǔn)確。所以本文選取3個(gè)不同源頭數(shù)據(jù)來整合構(gòu)建心理健康知識(shí)語(yǔ)料庫(kù)，數(shù)據(jù)具體來源包括（a）醫(yī)學(xué)權(quán)威書籍。（b）醫(yī)學(xué)科研論文。（c）互聯(lián)網(wǎng)數(shù)據(jù)資源。

其中醫(yī)學(xué)權(quán)威書籍選用張明教授主編的《臨床心理學(xué)》（科學(xué)出版社出版，ISBN：9787030256256）作為處理書籍。該書籍內(nèi)容權(quán)威可靠、表述規(guī)范，重點(diǎn)處理書中第4章節(jié)《心理障礙的分類及其表現(xiàn)》內(nèi)容。該章節(jié)詳細(xì)闡述了常見的心理疾病的分類及表現(xiàn)特征，包括抑郁癥、焦慮癥、強(qiáng)迫癥、恐慌障礙等。作為公開出版的書籍無疑是具備較強(qiáng)的權(quán)威性和可靠公信力。

根據(jù)CNKI檢索“心理疾病”、“心理健康知識(shí)”等關(guān)鍵詞顯示，CNKI收錄的知識(shí)圖譜相關(guān)中英文學(xué)術(shù)期刊文獻(xiàn)已經(jīng)達(dá)到了1.1萬篇。選取醫(yī)學(xué)權(quán)威領(lǐng)域的北大核心期刊論文50篇作為“醫(yī)學(xué)科研論文”數(shù)據(jù)源。醫(yī)學(xué)科研論文同樣作為公開發(fā)表的資料經(jīng)過嚴(yán)格審核檢驗(yàn)，同公開出版的書籍一樣具備較強(qiáng)的可信度。本文將這“醫(yī)學(xué)權(quán)威書籍”和“醫(yī)學(xué)科研論文”這兩個(gè)數(shù)據(jù)來源作為心理健康知識(shí)語(yǔ)料庫(kù)的主干來源。

浩瀚的互聯(lián)網(wǎng)同樣存在心理健康知識(shí)相關(guān)的海量數(shù)據(jù)資源，比如常見的百度百科、百度知道等有針對(duì)心理疾病知識(shí)的科普和問答，同時(shí)國(guó)內(nèi)領(lǐng)先的互聯(lián)網(wǎng)醫(yī)療平臺(tái)比如好大夫在線、妙手醫(yī)生等網(wǎng)站存在大量的真實(shí)心理疾病患者診療問答數(shù)據(jù)、科普文章等。我們借助目前成熟的網(wǎng)絡(luò)爬蟲技術(shù)動(dòng)態(tài)獲取互聯(lián)網(wǎng)上已存在的大量心理健康知識(shí)相關(guān)數(shù)據(jù)，但是通過互聯(lián)網(wǎng)獲取的海量數(shù)據(jù)資源，相比較于（a）（b）兩種數(shù)據(jù)源可能存在不精準(zhǔn)、垃圾數(shù)據(jù)多等問題。所以，互聯(lián)網(wǎng)數(shù)據(jù)資源可以作為心理健康知識(shí)語(yǔ)料庫(kù)的動(dòng)態(tài)補(bǔ)充數(shù)據(jù)。

2.3 信息抽取

由于前期構(gòu)建的情感障礙癥知識(shí)語(yǔ)料庫(kù)由于數(shù)據(jù)來源不一、數(shù)據(jù)不規(guī)則，初步得到的大部分?jǐn)?shù)據(jù)并不是結(jié)構(gòu)化數(shù)據(jù)，而是大量純文本非結(jié)構(gòu)化數(shù)據(jù)集。所以在信息抽取階段采用基于最大熵馬爾可夫模型和卷積神經(jīng)網(wǎng)絡(luò)的自然語(yǔ)言處理算法（MEMM-CNN）從半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)中抽取出可用的知識(shí)單元，完成實(shí)體抽取、實(shí)體標(biāo)注、關(guān)系抽取和屬性抽取等過程。

其中實(shí)體抽取是從原始文本數(shù)據(jù)集中提取出命名實(shí)體，比如心理疾病類型、臨床癥狀、治療對(duì)策等。實(shí)體標(biāo)注是自動(dòng)標(biāo)注實(shí)體有效性、完整性、出現(xiàn)頻次等附加信息。通過實(shí)體抽取和實(shí)體標(biāo)注這兩個(gè)步驟形成心理健康知識(shí)實(shí)體庫(kù)。關(guān)系抽取是進(jìn)一步提取心理健康知識(shí)實(shí)體庫(kù)中各個(gè)實(shí)體的關(guān)聯(lián)關(guān)系，通過將多種零散的實(shí)體連接起來，從而形成關(guān)聯(lián)的網(wǎng)狀知識(shí)結(jié)構(gòu)。屬性抽取是抽取實(shí)體的屬性信息構(gòu)造實(shí)體的屬性列表，比如治療抑郁癥藥物的注意事項(xiàng)、不良反應(yīng)和禁忌等。通過進(jìn)一步的關(guān)系抽取和屬性抽取最終形成三元組關(guān)系表，從而完成信息抽取過程。

2.4 知識(shí)融合

前期構(gòu)建的情感障礙癥知識(shí)語(yǔ)料庫(kù)的數(shù)據(jù)來源有3個(gè)，所以在數(shù)據(jù)源整合過程中不可避免的會(huì)出現(xiàn)數(shù)據(jù)知識(shí)重復(fù)、冗余、歧義、關(guān)聯(lián)性沖突等問題，尤其是從互聯(lián)網(wǎng)上爬取的數(shù)據(jù)文本甚至充斥著部分錯(cuò)誤信息。需要從實(shí)體對(duì)齊、實(shí)體連接、實(shí)體對(duì)齊、關(guān)系推演等方面進(jìn)行知識(shí)融合，完成多源數(shù)據(jù)整合、加工、消歧、推理驗(yàn)證、更新等操作。

（1）屬性對(duì)齊

由于數(shù)據(jù)來源的多樣性，數(shù)據(jù)存在知識(shí)重復(fù)、心理健康知識(shí)之間的聯(lián)系不夠、多元指代等問題。屬性對(duì)齊首先判斷多源異構(gòu)數(shù)據(jù)中的實(shí)體是否指向真實(shí)世界同一對(duì)象。

（2）實(shí)體連接

實(shí)體連接是指實(shí)體對(duì)象連接到知識(shí)庫(kù)中對(duì)應(yīng)的正確對(duì)象的操作。實(shí)體鏈接的基本思想是首先根據(jù)給定的實(shí)體指稱項(xiàng)，從知識(shí)庫(kù)中選出一組候選實(shí)體對(duì)象，然后通過相似度計(jì)算將指稱項(xiàng)鏈接到正確的實(shí)體對(duì)象。

（3）實(shí)體對(duì)齊

實(shí)體對(duì)齊主要用于消除實(shí)體沖突、實(shí)體命名多元指代問等問題。例如常用來治理抑郁癥的藥物鹽酸帕羅西汀片，其別名和通用名還包括賽樂特、樂友、舒坦羅、Paroxetine等，但其實(shí)都是指代同一種藥物，這時(shí)候就需要實(shí)體對(duì)齊消除實(shí)體名稱指代沖突。

（3）關(guān)系推演

關(guān)系推演是將從最新的數(shù)據(jù)文本中獲取的實(shí)體關(guān)系及時(shí)填充到構(gòu)建的知識(shí)庫(kù)中，有助于提高心理健康知識(shí)庫(kù)的時(shí)效性。通過完成屬性對(duì)齊、實(shí)體連接、實(shí)體對(duì)齊、關(guān)系推演等步驟實(shí)現(xiàn)知識(shí)融合過程。

2.5 知識(shí)存儲(chǔ)及可視化

通過借鑒中文醫(yī)學(xué)知識(shí)圖譜CMe KG2.0知識(shí)存儲(chǔ)方式，采用開源圖形數(shù)據(jù)庫(kù)Neo4j作為底層的存儲(chǔ)結(jié)構(gòu)。Neo4j 是由 Java 和 Scala 語(yǔ)言寫成 NoSql 數(shù)據(jù)庫(kù)，也是目前使用較多的圖形數(shù)據(jù)庫(kù)。通過 Neo4j可以直觀呈現(xiàn)實(shí)體間的各種關(guān)系，能夠最終實(shí)現(xiàn)心理健康知識(shí)圖譜可視化。

經(jīng)過上述技術(shù)，共得到1025條三元關(guān)系組，部分知識(shí)圖譜如圖2所示。圖中每個(gè)圓圈代表1個(gè)實(shí)體，各個(gè)實(shí)體之間以關(guān)系形式連接。其中關(guān)系包括癥狀、治療、不良反應(yīng)、易混淆等。

3 結(jié)語(yǔ)

本文提出了一種基于多源數(shù)據(jù)融合的心理健康知識(shí)圖譜構(gòu)建方法，并詳細(xì)闡述了多源數(shù)據(jù)語(yǔ)料庫(kù)構(gòu)建、信息抽取、知識(shí)融合、知識(shí)存儲(chǔ)及可視化等步驟。構(gòu)建的心理健康知識(shí)圖譜不僅能夠?qū)θ藗冞M(jìn)行心理健康知識(shí)普適性教育，同時(shí)可以幫助心理疾病患者及家屬實(shí)現(xiàn)自我診斷和病情監(jiān)測(cè)，以及輔助醫(yī)生臨床做出決策，具備較強(qiáng)的應(yīng)用價(jià)值。

參考文獻(xiàn)：

[1]段宏. 知識(shí)圖譜構(gòu)建技術(shù)綜述[J]. 計(jì)算機(jī)研究與發(fā)展（03）.

[2]趙雪嬌.婦產(chǎn)科知識(shí)圖譜構(gòu)建研究與實(shí)現(xiàn)[J].中國(guó)數(shù)字醫(yī)學(xué)，2019，14（1）：3.DOI：CNKI：SUN：YISZ.0.2019-01-003.

[3]昝紅英，竇華溢，賈玉祥，等.基于多來源文本的中文醫(yī)學(xué)知識(shí)圖譜的構(gòu)建[J].鄭州大學(xué)學(xué)報(bào)：理學(xué)版，2020，52（2）：7.DOI：10.13705/j.issn.1671-6841.2019383.

[4]韓普，馬健，張嘉明，等.基于多數(shù)據(jù)源融合的醫(yī)療知識(shí)圖譜框架構(gòu)建研究[J].現(xiàn)代情報(bào)，2019，39（6）：10.DOI：10.3969/j.issn.1008-0821.2019.06.009.

[5]劉桂鋒，郭科遠(yuǎn)，包翔.基于多源數(shù)據(jù)融合的新冠肺炎病例活動(dòng)知識(shí)圖譜構(gòu)建與知識(shí)發(fā)現(xiàn)研究[J].情報(bào)工程，2023，9（1）：16.

[6]Liran J，Wang Y，Jiang J，et al. Evaluating Individual Genome Similarity with a Topic Model[J]. Bioinformatics，2020.

[7]Yang B，Liao Y M .Research on enterprise risk knowledge graph based on multi-source data fusion[J].Neural Computing and Applications，2021：1-14.DOI：10.1007/s00521-021-05985-w.

作者簡(jiǎn)介：汪洋（1991-），男，河南信陽(yáng)人，碩士，講師，主要研究方向：人工智能、軟件技術(shù)。

雷開（2002-），男，四川內(nèi)江人，瀘州職業(yè)技術(shù)學(xué)院2021級(jí)在讀學(xué)生，主要研究方向：數(shù)據(jù)分析、智能算法。

※基金項(xiàng)目：2021年瀘州市科技計(jì)劃項(xiàng)目《多源數(shù)據(jù)融合情感障礙癥知識(shí)圖譜構(gòu)建關(guān)鍵技術(shù)研究》（課題編號(hào)：2021-JYJ-96）；數(shù)據(jù)智能分析與處理瀘州市重點(diǎn)實(shí)驗(yàn)室2022年開放基金課題《基于多源數(shù)據(jù)融合的心理健康知識(shí)圖譜構(gòu)建與應(yīng)用研究》（課題編號(hào)：SZ202207）。

（作者單位：1.瀘州職業(yè)技術(shù)學(xué)院；2.數(shù)據(jù)智能分析與處理瀘州市重點(diǎn)實(shí)驗(yàn)室）

相關(guān)知識(shí)

健康醫(yī)療大數(shù)據(jù)標(biāo)準(zhǔn)體系框架研究
面向醫(yī)療健康數(shù)據(jù)的知識(shí)圖譜研究與應(yīng)用
精準(zhǔn)健康管理視角下高血壓健康干預(yù)知識(shí)圖譜的構(gòu)建
健康飲食領(lǐng)域知識(shí)圖譜構(gòu)建及推薦系統(tǒng)研究
健康飲食領(lǐng)域知識(shí)圖譜構(gòu)建與應(yīng)用研究
基于感知大數(shù)據(jù)的高效實(shí)時(shí)心理健康智能識(shí)別系統(tǒng)研究
醫(yī)療健康腳本語(yǔ)言框架研究
知識(shí)中臺(tái)框架下的臨床決策支持知識(shí)庫(kù)構(gòu)建方法（上）
我國(guó)環(huán)境與健康管理政策框架研究
“知識(shí)圖譜在健康醫(yī)療大數(shù)據(jù)中的應(yīng)用”專題論壇

網(wǎng)址: 基于多源數(shù)據(jù)融合的心理健康知識(shí)圖譜框架構(gòu)建研究 http://m.u1s5d6.cn/newsview1530480.html