盛 明,陈玉思,张 勇,韩光洁,黄天昊,刑春晓
1(清华大学 信息技术研究院WEB与软件技术研究中心,北京 100084) 2(河海大学 物联网工程学院,江苏 常州 213022) 3(北京外国语大学 信息科学技术学院,北京 100089)E-mail:shengming@tsinghua.edu.cn
自2012年以来,知识图谱一直是研究的焦点[1],这一概念最初由谷歌提出,用来增强其搜索引擎的语义理解能力[2].知识图谱的定义是一种基于图的数据结构,由节点(实体)和标记边(实体之间的关系)组成[3].通常,将仅具有概念节点的知识图谱定义为概念知识图谱(Concept Knowledge Graph:CKG),将具有实例节点和事件节点的知识图谱作为实例知识图谱(Instance Knowledge Graph:IKG),以及将同时包含CKG和IKG作为事实知识图谱(Factual Knowledge Graph:FKG).
常规知识图谱的构建系统架构主要包括以下内容:知识表示,知识图谱构建工具,如信息抽取和融合工具,以及知识的存储和应用.但是,常规策略不能直接应用于特定领域的知识图谱,更不用说构建更专业的面向特定疾病领域的知识图谱.原因之一是构建专业的特定疾病知识图谱需要抽取来自特定数据源的特定实体和关系,并且需要构建针对不同疾病的专用语义网络.目前的医疗健康知识图谱通常涵盖广泛的医学知识领域:所有蛋白质(UniProt),尽可能多的药物(Drugbank),已知的许多药物及其之间的相互作用(Sider),以及大量整合的知识图谱,如Bio2RDF和LinkedLifeData[4].众所周知,在医学领域,有各种疾病、许多复杂的概念和关系,需要医生提供大量具体的先验知识来帮助辨识它们.更重要的是,医生对不同疾病的实际需求可能……