本發(fā)明涉及糖尿病知識圖譜與人工智能模型，特別涉及一種面向糖尿病健康管理的知識圖譜融合方法。

背景技術(shù)：

1、知識圖譜是一個結(jié)構(gòu)化的知識庫，其中包含了豐富的實體、屬性和關(guān)系信息，其應(yīng)用能夠解決知識管理、信息檢索、數(shù)據(jù)集成和智能決策等多個問題。通過將知識圖譜與健康管理系統(tǒng)相結(jié)合，系統(tǒng)能夠從圖譜中獲取豐富的領(lǐng)域知識，知識圖譜(kg)對于問答、推薦系統(tǒng)等智能應(yīng)用至關(guān)重要。雖然糖尿病研究中已有的kg可用，但它們通常不能完全滿足特定任務(wù)的要求，一方面從頭開始構(gòu)建一個全新的知識圖譜，雖然可以確保信息的全面性和準(zhǔn)確性，但這樣的過程往往周期長、成本高；另一方面目前知識圖譜融合大多都側(cè)重于如何改進(jìn)融合過程中的實體對齊方法，對知識融合整個過程的詳盡描述少之又少，沒有一套完整且行之有效的方法，因此，融合現(xiàn)有的知識圖譜，根據(jù)特定任務(wù)的需求進(jìn)行定制和優(yōu)化，是現(xiàn)有方法及技術(shù)的重要研究內(nèi)容。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的在于提供一種面向糖尿病健康管理的知識圖譜融合方法，旨在實現(xiàn)糖尿病知識圖譜的融合以及為其他領(lǐng)域的知識圖譜構(gòu)建提供普適性的方法和過程。

2、為了達(dá)到上述目的，本發(fā)明的技術(shù)方案是提供了一種面向糖尿病健康管理的知識圖譜融合方法，其特征在于，包括以下步驟：

3、s1.獲取兩個源知識圖譜并將其存儲到neo4j數(shù)據(jù)庫中；

4、s2.確定糖尿病知識圖譜的目標(biāo)scheme，并根據(jù)scheme進(jìn)行數(shù)據(jù)預(yù)處理；

5、s3.通過相似度算法和大語言模型實現(xiàn)實體對齊操作，建立實體間的對應(yīng)關(guān)系，根據(jù)模型的輸出不斷進(jìn)行調(diào)整，找到最匹配的對應(yīng)實體；

6、s4.基于實體對齊的結(jié)果及scheme規(guī)范進(jìn)行實體插入，將一個知識圖譜中存在但另一個中缺失的實體添加到相應(yīng)的位置；

7、s5.對插入的實體及關(guān)系根據(jù)schema進(jìn)行調(diào)整，消除冗余與沖突，完成知識圖譜的融合。

8、優(yōu)選的，所述步驟s1具體包括以下步驟：尋找與目標(biāo)schema相近的領(lǐng)域相關(guān)的知識圖譜作為參考，選擇與目標(biāo)schema具有高度相關(guān)性，且規(guī)模較大、在醫(yī)療領(lǐng)域具有權(quán)威性的知識圖譜。將獲取到的知識圖譜三元組利用cypher語句存儲到neo4j圖數(shù)據(jù)庫中。

9、優(yōu)選的，所述步驟s2具體包括以下步驟：

10、s21.參考斯坦福七步大學(xué)構(gòu)建法，并結(jié)合糖尿病健康管理的任務(wù)需求及diachat對話數(shù)據(jù)集中規(guī)范的領(lǐng)域確定目標(biāo)scheme。

11、s22.利用大語言模型prompt和數(shù)據(jù)可視化工具neo4j?browser對兩個知識圖譜進(jìn)行查詢和分析，發(fā)現(xiàn)問題，基于schema規(guī)范并使用cypher語句進(jìn)行問題修改。

12、優(yōu)選的，所述步驟s3具體包括以下步驟：采用levenshtein編輯距離算法作為初始的相似度計算方法，將每個實體名稱視為一個字符串，通過計算不同實體名稱之間的編輯距離，來判斷它們的相似程度。如果編輯距離小于設(shè)定的閾值，則將它們視為相似的實體；接著進(jìn)一步利用大語言模型，采用few-shot?prompt生成方法把待評估的實體對作為模型的輸入，如果模型最后輸出相似度得分大于0.8，則認(rèn)定為高相似度的實體對。

13、優(yōu)選的，所述步驟s4具體包括以下步驟：根據(jù)實體對齊的結(jié)果并使用cypher查詢語句在一個知識圖譜中尋找相對應(yīng)的節(jié)點。如果已存在，則無需重復(fù)插入；如果不存在，則進(jìn)行實體插入操作；在確定插入位置后，需要選擇適當(dāng)?shù)年P(guān)系類型來表示實體之間的關(guān)聯(lián)。根據(jù)知識圖譜的結(jié)構(gòu)和語義，在插入過程中選擇通過cypher查詢語句merge創(chuàng)建新的關(guān)系類型，將知識圖譜中的實體與插入位置的節(jié)點標(biāo)簽進(jìn)行連接，構(gòu)成上下位關(guān)系。

14、優(yōu)選的，所述步驟s4具體包括以下步驟：通過可視化工具neo4j?browser并結(jié)合cypher的模式匹配和聚合函數(shù)來檢索知識圖譜中存在的關(guān)系及屬性，然后基于schema規(guī)范手動修改其實體關(guān)系；處理修改之后產(chǎn)生的節(jié)點，主要包括刪除重復(fù)節(jié)點及創(chuàng)建關(guān)系；為圖譜中存在的新節(jié)點添加來源以及subclassof等關(guān)系，如此迭代，直到圖譜中所有實體關(guān)系及屬性處理完成。

15、與現(xiàn)有技術(shù)相比，本發(fā)明具有如下優(yōu)點：

16、本發(fā)明提出的面向糖尿病健康管理的知識圖譜融合方法，基于確定好的糖尿病知識圖譜的目標(biāo)schema，對源知識圖譜進(jìn)行篩選，并根據(jù)schema規(guī)范進(jìn)行數(shù)據(jù)預(yù)處理，最后在大語言模型的支持下采用實體對齊、實體插入、關(guān)系調(diào)整等技術(shù)提出了一種針對多源知識圖譜的快速知識融合框架，最后完成了知識圖譜的融合，該框架不僅適用于糖尿病領(lǐng)域，還可以應(yīng)用于其他領(lǐng)域的知識圖譜，能夠為后續(xù)健康診斷和個性化推薦工作提供數(shù)據(jù)支持。

技術(shù)特征：

1.一種面向糖尿病健康管理的知識圖譜融合方法，其特征在于，包括如下步驟：

2.根據(jù)權(quán)利要求1所述的一種面向糖尿病健康管理的知識圖譜融合方法，所述步驟s1包括：

3.根據(jù)權(quán)利要求1所述的一種面向糖尿病健康管理的知識圖譜融合方法，所述步驟s2包括：

4.根據(jù)權(quán)利要求1所述的一種面向糖尿病健康管理的知識圖譜融合方法，所述步驟s3包括：

5.根據(jù)權(quán)利要求1所述的一種面向糖尿病健康管理的知識圖譜融合方法，所述步驟s4包括：

6.根據(jù)權(quán)利要求1所述的一種面向糖尿病健康管理的知識圖譜融合方法，所述步驟s5包括：

技術(shù)總結(jié)
本發(fā)明公開了一種面向糖尿病健康管理的知識圖譜融合方法，包括：步驟1，獲取兩個源知識圖譜并將其存儲到Neo4J數(shù)據(jù)庫中；步驟2，確定糖尿病知識圖譜的目標(biāo)Scheme，并根據(jù)Scheme進(jìn)行數(shù)據(jù)預(yù)處理；步驟3，通過相似度算法和大語言模型實現(xiàn)實體對齊操作，建立實體間的對應(yīng)關(guān)系，根據(jù)模型的輸出不斷進(jìn)行調(diào)整，找到最匹配的對應(yīng)實體；步驟4，基于實體對齊的結(jié)果及Scheme規(guī)范進(jìn)行實體插入，將一個知識圖譜中存在但另一個中缺失的實體添加到相應(yīng)的位置；步驟5，對插入的實體及關(guān)系根據(jù)Schema進(jìn)行調(diào)整，消除冗余與沖突，完成知識圖譜的融合。本發(fā)明提出的方法解決了一般融合過程周期長、成本高的問題，不僅適用于糖尿病領(lǐng)域，還可以應(yīng)用于其他領(lǐng)域的知識圖譜融合。

技術(shù)研發(fā)人員：吳小凡,楊錦鋒
受保護(hù)的技術(shù)使用者：哈爾濱理工大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/9