(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 202210143573.4 (22)申请日 2022.02.16 (71)申请人 平安科技 （深圳） 有限公司 地址 518000 广东省深圳市福田区福田街 道福安社区益田路5033号平 安金融中 心23楼 (72)发明人 金晓辉　阮晓雯　 (74)专利代理 机构 广州嘉权专利商标事务所有 限公司 4 4205 专利代理师 廖慧贤 (51)Int.Cl. G16H 50/20(2018.01) G06F 16/36(2019.01) G06K 9/62(2022.01) (54)发明名称 基于知识图谱的体质识别方法、 装置、 设备 和存储介质 (57)摘要 本发明公开了一种基于知识图谱的体质识 别方法、 装置、 设备和存储介质， 可广泛应用于人 工智能技术领域； 本发明的方法包括： 获取症状 文本数据； 从症 状文本数据中提取得到症状特征 数据； 将症状特征数据输入到知识图谱中， 得到 与症状特征数据对应的强关联症状数据和/或弱 关联症状数据； 根据知 识图谱与症状特征数据对 应的强关联症状数据和/或弱关联症状数据， 得 到症状特征数据对应若干预设体质类别数据的 分数数据； 根据症状特征数据对应若干预设体质 类别数据的分数数据， 确定症状特征数据对应的 体质类别数据， 其中， 预设体质类别数据包括体 质类别数据， 本发明能够有效提高体质识别准确 性， 保证诊断效果。 权利要求书3页 说明书14页 附图6页 CN 114496231 A 2022.05.13 CN 114496231 A 1.一种基于知识图谱的体质识别方法， 其特 征在于， 包括： 获取症状文本数据； 从所述症状文本数据中提取 得到症状特 征数据； 将所述症状特征数据输入到知识图谱中， 得到与 所述症状特征数据对应的强关联症状 数据和/或弱关联症状数据， 其中， 所述知识图谱由多个预设体质类别数据、 多个预设的强 关联症状数据和多个预设的弱关联症状数据构建得到， 每一所述预设体质类别数据均对应 有至少一个所述 强关联症状数据， 若干所述 强关联症状数据分别对应有至少一个所述弱关 联症状数据； 根据所述知识图谱与 所述症状特征数据对应的所述强关联症状数据和/或所述弱关联 症状数据， 得到所述症状特 征数据对应若干所述预设体质类别数据的分数 数据； 根据所述症状特征数据对应若干所述预设体质类别数据的所述分数数据， 确定所述症 状特征数据对应的体质类别数据， 其中， 所述预设体质类别数据包括所述体质类别数据。 2.根据权利要求1所述的基于知识图谱的体质识别方法， 其特征在于， 所述知识图谱的 构建过程， 包括： 根据所述预设体质类别数据和所述强关联症状数据， 得到所述强关联症状数据对应所 述预设体质类别数据的第一权 重数据； 根据所述强关联症状数据和所述弱关联症状数据， 得到所述弱关联症状数据对应所述 强关联症状数据的第二权 重数据； 根据所述预设体质类别数据、 所述强关联症状数据、 所述弱关联症状数据、 所述第一权 重数据和所述第二权 重数据， 构建得到所述知识图谱。 3.根据权利要求2所述的基于知识图谱的体质识别方法， 其特征在于， 所述根据 所述预 设体质类别数据和所述强关联症状数据， 得到所述强关联症状数据对应所述预设体质类别 数据的第一权 重数据， 包括： 获取所述预设体质类别数据对应的正样本集和负 样本集； 将所述正样本集和所述负样本集输入到预设的随机森林模型中， 得到所述强关联症状 数据对应所述预设体质类别数据的第一权重数据， 其中， 所述正样本集和所述负样本集包 括所述强关联症状数据。 4.根据权利要求2所述的基于知识图谱的体质识别方法， 其特征在于， 所述根据 所述强 关联症状数据和所述弱关联症状数据， 得到所述弱关联症状数据对应所述强关联症状数据 的第二权 重数据， 包括： 利用关联规则算法， 对所述强关联症状数据和所述弱关联症状数据之间的共现频率进 行计算， 得到所述弱关联症状数据对应所述强关联症状数据的第二权 重数据。 5.根据权利要求2所述的基于知识图谱的体质识别方法， 其特征在于， 所述根据 所述预 设体质类别数据、 所述 强关联症状数据、 所述弱关联症状数据、 所述第一权重数据和所述第 二权重数据， 构建得到所述知识图谱， 包括： 根据图数据库， 分别构建多个体质类别节点、 每一所述体质类别节点对应连接的强关 联症状节点与若干所述强关联症状节点对应连接的弱 关联症状节点， 其中， 所述体质类别 节点对应所述预设体质类别数据， 所述强关联症状节点对应所述强关联症状数据， 弱 关联 症状节点对应所述弱关联症状数据；权　利　要　求　书 1/3 页 2 CN 114496231 A 2根据所述第 一权重数据， 对每一所述强关联症状节点对应所述体质类别节点间的第 一 权重进行赋值， 得到第一权 重赋值数据； 根据所述第 二权重数据， 对每一所述弱关联症状节点对应所述强关联症状节点间的第 二权重进行赋值， 得到第二权 重赋值数据； 根据所述体质类别节点、 所述强关联症状节点、 所述弱关联症状节点、 所述第 一权重赋 值数据和所述第二权 重赋值数据， 得到所述知识图谱。 6.根据权利要求5所述的基于知识图谱的体质识别方法， 其特征在于， 所述根据 所述知 识图谱与所述症状特征数据对应的所述强关联症状数据和/或所述弱 关联症状数据， 得到 所述症状特 征数据对应若干所述预设体质类别数据的分数 数据， 包括： 当所述症状特征数据对应所述强关联症状节点， 获取所述强关联症状节点对应所述体 质类别节点的第一权 重赋值数据； 当所述症状特征数据对应所述弱关联症状节点， 获取所述弱关联症状节点对应所述强 关联症状节点的第二权 重赋值数据； 根据所述第一权重赋值数据和/或所述第二权重赋值数据， 计算得到所述症状特征数 据对应所述知识图谱中若干所述体质类别节点对应的分数 数据。 7.根据权利要求6所述的基于知识图谱的体质识别方法， 其特征在于， 所述根据 所述症 状特征数据对应若干所述预设体质类别数据的所述分数数据， 确定所述症状特征数据对应 的体质类别数据， 包括： 从所述症状特征数据对应所述知识图谱中若干所述体质类别节点对应的所述分数数 据中， 确定最大分数 数据； 将所述最大分数数据对应的所述体质类别节点的所述预设体质类别数据， 作为所述症 状特征数据对应的所述体质类别数据。 8.一种基于知识图谱的体质识别装置， 其特 征在于， 包括： 数据获取模块， 用于获取症状文本数据； 数据提取模块， 用于从所述症状文本数据中提取 得到症状特 征数据； 数据输入模块， 用于将所述症状特征数据输入到知识图谱中， 得到与所述症状特征数 据对应的强关联症状数据和/或弱关联症状数据， 其中， 所述知识图谱由多个预设体质类别 数据、 多个预设的强关联症状数据和多个预设的弱 关联症状数据构建得到， 每一所述预设 体质类别数据均对应有至少一个所述 强关联症状数据， 若干所述 强关联症状数据分别对应 有至少一个所述弱关联症状数据； 分数获取模块， 用于根据所述知识图谱与 所述症状特征数据对应的所述强关联症状数 据和/或所述弱 关联症状数据， 得到所述症状特征数据对应若干所述预设体质类别数据的 分数数据； 体质确定模块， 用于根据所述症状特征数据对应若干所述预设体质类别数据的所述分 数数据， 确定所述症状特征数据对应的体质类别数据， 其中， 所述预设体质类别数据包括所 述体质类别数据。 9.一种基于知识图谱的体质识别设备， 其特征在于， 包括： 存储器、 处理器及存储在存 储器上并可在处理器上运行的计算机程序， 所述处理器执行所述计算机程序时实现如权利 要求1至7中任意 一项所述的基于知识图谱的体质识别方法。权　利　要　求　书 2/3 页 3 CN 114496231 A 3