(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 202210019083.3 (22)申请日 2022.01.07 (71)申请人 南京市中西医结合医院 地址 210014 江苏省南京市玄武区孝陵卫 街179号 申请人 南京理工大 学 (72)发明人 刘万里　杨晓辉　朱弘毅　王逸文　 王泽廷　徐雷　李鑫　 (51)Int.Cl. G06F 16/36(2019.01) G06K 9/62(2022.01) G06N 5/02(2006.01) G06N 5/04(2006.01) G16H 20/90(2018.01) G16H 50/20(2018.01) (54)发明名称 基于知识图谱的中医体质医疗系统异常数 据检测方法 (57)摘要 本发明公开了一种基于知识图谱的中医体 质医疗系统异常数据检测方法。 该方法首先提取 输入的中医体质医疗系统数据的特征值， 相关的 两个特征值组成特征对， 依据特征对使用k均值 算法进行聚类， 根据聚类结果将数据转换为(数 据下标， 对应特征对， 聚类结果)的三元组形式， 之后对三元组信息进行知识翻译即实体嵌入获 得对应的高维向量， 将所有结构化的三元组向量 数据存入知识图谱数据库， 利用知识图谱数据库 进行知识推理， 对每一条数据先假定是异常数 据， 再计算该假定事实的L2范数距离， 最后将所 有数据计算获得的距离作为特征值使用SVM算法 进行分类， 依据分类结果判定数据是否为异常数 据， 该方法有效利用了知识图谱对 数据潜在联系 的挖掘， 准确筛 选出数据集中的异常数据。 权利要求书2页 说明书4页 附图1页 CN 115129880 A 2022.09.30 CN 115129880 A 1.一种基基于知识图谱的中医体质医疗系统异常数据检测方法， 其特征在于， 包括如 下步骤： 第一步， 设计了一种提取方式， 提取输入的中医体质医疗系统数据的特征值， 相关的两 个特征值组成特 征对， 依据特 征对使用k均值 算法进行聚类； 第二步， 对第一步获得的聚类结果进行处理， 根据聚类结果将数据转换为(数据下标， 对应特征对， 聚类结果)的三元组形式， 再对三元组信息进 行知识翻译即实体嵌入获得对应 的高维向量， 将所有结构化的三元组向量数据存 入知识图谱数据库； 第三步， 利用第二步构建的知识图谱数据库进行知识推理， 对每一条数据先假定是异 常数据， 再计算该假定事实的L2范数距离， 最后将所有数据计算获得的距离作为特征值使 用SVM算法进行分类， 依据分类结果判定数据是否为异常数据。 2.根据权利要求1所述的基于知识图谱的中医体质医疗系统异常数据检测方法， 其特 征在于， 第一 步所述计算数据特 征值， 方法如下： 输入中医体质医疗系统数据， 计算数据报文总字节数作为特 征值： F为前向报文集合， B为后向报文集合， SF为前向报文总字节数， SB为后向报文总字节数， 同样可以计算报文的最大和最小长度作为特 征值： minF＝min{S1， ...， Sn}， Si∈F minB＝min{S1， ...， Sn}， Si∈B maxF＝max{S1， ...， Sn}， Si∈F maxB＝max{S1， ...， Sn}， Si∈B 从特征值中选取特征对比如(SF， minF)进行k均值训练， 设定参数k值为正常数据类型总 数加上预测的异常数据类型总数。 3.根据权利要求1所述的基于知识图谱的中医体质医疗系统异常数据检测方法， 其特 征在于， 第二 步所述的实体翻译方法如下： 对于一个三元组(h， r， t)， 头实体h和尾实体t首先被投影到一个关系超平面上， 该超平 面的法向量 为wr， 投影的结果表示 为h⊥和t⊥， 投影的方程如下： h⊥＝h‑wr晻hwr， t⊥＝t‑wrtwr 同时希望超平面上的这两个投影向量可以通过dr连接， 因此 可以得到 评分函数如下： 首先初始化关系超平面的法向量和位移向量， 同时对于每一个实体e∈E随机分配嵌入 向量， 在之后的每次训练中抽取正例和负例， 根据评 分函数使用梯度下降算法进 行计算， 直 到评分函数接 近收敛。 4.根据权利要求1所述的基于知识图谱的中医体质医疗系统异常数据检测方法， 其特 征在于， 第三 步所述知识推理方法具体如下： 对于每一个知识图谱中的中医体质医疗系统数据， 先假定其为异常数据， 计算该假定权　利　要　求　书 1/2 页 2 CN 115129880 A 2事实在知识图谱数据库中对应嵌入向量的L2范数距离来判定事实的可信度， 距离计算如 下： fr＝d(h+r， t)＝| |h+r‑t||2 再将距离作为特征值使用SVM分类算法分类， 距离小的可信事实作为一类， 距离大的非 可信事实作为另一类。权　利　要　求　书 2/2 页 3 CN 115129880 A 3