(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 202210485938.1 (22)申请日 2022.05.06 (71)申请人 东南大学 地址 211189 江苏省南京市玄武区四牌楼 2 号 (72)发明人 杨鹏　王超余　谢亮亮　马卫东　 (74)专利代理 机构 南京众联专利代理有限公司 32206 专利代理师 叶涓涓 (51)Int.Cl. G16H 50/20(2018.01) G16H 50/70(2018.01) G06F 16/33(2019.01) G06F 16/36(2019.01) G06F 16/951(2019.01)G06F 40/295(2020.01) G06N 5/02(2006.01) (54)发明名称 一种基于知识图谱与注意力机制的心血管 疾病预测方法 (57)摘要 本发明公开了一种基于知识图谱与注意力 机制的心血管疾病预测方法， 该方法首先构建心 血管疾病语料库； 接着构建心血管疾病领域知识 图谱， 对心血管疾病语料库中的原始文章， 提取 心血管疾病属性信息， 构建知识图谱关系网； 然 后提取心血管疾病描述文本特征向量， 根据知识 图谱中心血管疾病和症状的关系， 获取文本中症 状实体， 利用Tran sR知识表示模型对症状进行向 量表示， 通过基于注意力机制的LS TM(A‑LSTM)提 取描述文本特征向量； 最后通过softmax分类器 进行心血管疾病识别。 相比其他方法， 本发明方 法结合心血管疾病知识图谱和注 意力机制， 能够 挖掘更深层的疾病特征， 从而达到了更准确的预 测效果。 权利要求书2页 说明书5页 附图2页 CN 115171871 A 2022.10.11 CN 115171871 A 1.一种基于知识图谱与注意力机制的心血管疾病预测方法， 其特征在于， 包括以下步 骤： 步骤1， 构建心血管疾病语料库， 通过分布式网络爬虫定时采集心血管疾病的知识文 章， 通过包 装器进行初步过 滤， 构建原 始语料库； 步骤2， 构建心血管疾病领域知识图谱， 对心血管疾病语料库中的原始文章， 分别利用 规则集、 命名实体识别、 关键词提取 方法提取心血 管疾病属性信息， 构建知识图谱关系网； 步骤3， 提取心血管疾病描述文本特征向量： 根据知识图谱中心血管疾病和症状的关 系， 获取文本中症状实体， 利用TransR知识表 示模型对症状进 行向量表示， 通过基于注意力 机制的LSTM提取描述文本特 征向量； 步骤4， 、 通过softmax分类 器进行心血 管疾病识别。 2.根据权利要求1所述的基于知识图谱与注意力机制的心血管疾病预测方法， 其特征 在于， 所述 步骤1具体包括如下步骤： 利用网络爬虫定时采集相关心血管疾病网站的原始数据， 使用数据挖掘技术对基础知 识库中知识数据的总 数进行统计， 并计算最小支持度计数； 依 次判断每条知识数据的计数 是否满足最小支持度， 并将满足最小支持度的知识数据输出， 得到若干频繁1项集； 读取频 繁k‑1项集， 根据剪枝算法产生频繁k项集， 并计算频繁k项集的计数， k≥2； 判断频繁k项集 的计数是否满足最小支持度， 若是， 则令k的计数值加1， 并返回上一步， 若否， 则输出频繁k 项集； 遍历所有频繁1项集， 获取若干频繁k项集， 并使用基于词典的黑白名单机制过滤部 分 噪声数据； 采集用户提供的心血管疾病相关数据； 利用规则集对采集的数据进 行初步过滤， 并以文件库形式进行存 储。 3.根据权利要求1所述的基于知识图谱与注意力机制的心血管疾病预测方法， 其特征 在于， 所述 步骤2具体包括如下步骤： 利用页面属性信息对原始语料库进行属性提取； 针对复杂的文章采用BiLSTM ‑CRF模型 进行命名实体识别； 针对心血管疾病发病特征描述， 采用基于TF ‑IDF的关键词 提取方法进 行心血管疾病 特征实体进行提取； 采用三元组方式表示提取 的属性、 属性名以及他们之间 的关系； 使用Neo4j进行知识图谱的存储和管 理； 采用基于T F‑IDF的关键词提取方法进行心 血管疾病特 征实体进行提取， 特 征权重计划算 术公式如下： 其中， tfik为特征项tk在文档dt中出现的次数， nk为包含特征项tk的文档数， N为文本总 数； 采用三元组方式表示提取的属性、 属性名以及他们之间的关系； 使用Neo4j进行知识图 谱的存储和管理。 4.根据权利要求1所述的基于知识图谱与注意力机制的心血管疾病预测方法， 其特征 在于， 所述 步骤3具体包括如下步骤： 利用TransR知识表示模型对知识图谱的数据进行训练， 根据知识图谱提取描述文本的 心血管疾病实体， 经过Trans R知识表示模型得到实体矩阵Em×k， 其中， k为实体向量的维度， m 为描述文 本中实体的个数； 将描述文 本的实体矩阵Em×k作为BiLST M网络的输入， 利用基于注 意力机制的LSTM进行文本特征提取， 并选择最后一个LSTM单元的输出向量 作为描述文本权　利　要　求　书 1/2 页 2 CN 115171871 A 2特征向量， 其中 表示LSTM隐层的特 征向量， 其公式如下： 5.根据权利要求4所述的基于知识图谱与注意力机制的心血管疾病预测方法， 其特征 在于， TransR知识 表示模型训练时， 优化器采用鲸鱼优化 算法。 6.根据权利要求1所述的基于知识图谱与注意力机制的心血管疾病预测方法， 其特征 在于， 所述 步骤4具体包括如下步骤： 将最终的患者表示向量连接到softmax层， 利用softmax分类器获得心血管疾病的预测 结果如下： 其中， yi是第i例患者心血管疾病的高危指标， 是由该模型计算出的第i个患者的风险 评分。 7.根据权利要求6所述的基于知识图谱与注意力机制的心血管疾病预测方法， 其特征 在于， 如果yi等于1则表示高风险病例， 如果yi等于0， 则表示 为正常病例。权　利　要　求　书 2/2 页 3 CN 115171871 A 3