(19)中华 人民共和国 国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210045933.7 (22)申请日 2022.01.17 (65)同一申请的已公布的文献号 申请公布号 CN 114064883 A (43)申请公布日 2022.02.18 (73)专利权人 北京融华汇投资管理有限公司 地址 100176 北京市大兴区北京经济技 术 开发区荣 华南路1号院2号楼3202 (72)发明人 段小霞　吴嘉瑞　于言言　赵郑　 (74)专利代理 机构 北京鼎德宝 专利代理事务所 (特殊普通 合伙) 11823 代理人 牟炳彦 (51)Int.Cl. G06F 16/335(2019.01) G06F 16/36(2019.01)G06F 16/9535(2019.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (56)对比文件 CN 111369318 A,2020.07.0 3 CN 109670 054 A,2019.04.23 CN 111916216 A,2020.1 1.10 CN 10919 2321 A,2019.01.1 1 CN 108986871 A,2018.12.1 1 CN 112084348 A,2020.12.15 US 202137548 8 A1,2021.12.02 林少炜等.任务驱动教学模式在医药 数理统 计教学中的应用. 《中国校医》 .2018,(第02期), 审查员 张镭 (54)发明名称 基于精准算法和大数据的医药知识快速学 习系统及方法 (57)摘要 本发明提供一种基于精准算法和大数据的 医药知识快速学习系统及方法， 通过对医药知识 图谱中的所有医药知识进行整理、 分析， 将非结 构化数据转换为结构化数据， 挖掘医药知识中的 重要性置信度和关联置信度， 构建医药知识词 典， 实现医药知识精准挖掘； 将医药知识词典用 于用户学习环 境中， 按照用户的学习状况和行为 数据设置第一触发指令和第二触发指令， 根据触 发指令推荐医药知识， 并根据每个药物知识及其 连接通道得到关联性强的其他药物知识， 形成医 药知识推荐集， 使得用户能够有针对性的、 快速 学习医药知识。 权利要求书3页 说明书8页 附图2页 CN 114064883 B 2022.04.29 CN 114064883 B 1.一种基于精准 算法和大 数据的医药知识快速学习 系统， 其特 征在于， 包括以下部分： 用户终端 （10） 和医药知识服 务器 （20） ， 所述医药知识服务器 （20） 包括： 大数据对接组件 （201） 、 数据整 理组件 （202） 、 用户接口 组件 （203） 、 实时检测组件 （204） 、 数据处理组件 （205） 、 数据 分析组件 （206） 、 指令响应组件 （207） 和医药知识库 （208） ； 所述数据整理组件 （202） 用于对医药知识图谱中的所有医药知识进行整理、 分析， 挖掘 医药知识中的隐含关系， 构建医药知识词典,所述指 令响应组件 （207） 用于根据第一触发指 令和第二触发指令中所述医药知识库 （208） 中寻找相应的医药知识点， 并根据每个药物知 识及其连接通道得到关联性强的其他药物知识， 将所有药物知识按照顺序汇集， 得到当前 用户的医药知识推荐集， 所述指令响应组件 （207） 将 医药知识推荐集通过数据连接的方式 传输给所述用户接口组件 （20 3） 和所述医药知识库 （208） ； 所述数据整理组件 （202） 具体包括： 数据梳理单元 （2021） 、 数据计算单元 （2022） 、 格式 规划单元 （2023） 、 通道构建单元 （2024） ， 所述数据梳理单元 （2021） 用于将医药知识图谱中 的所有医药知识形成不同知识维度的数据列， 将整理后的数据通过数据传输的方式发送 给 所述数据计算单元 （2022） ； 所述数据计算单元 （2022） 用于计算每个药物在医药知识图谱中 的重要性置信度和两个实体之 间的关系置信度， 将药物的重要性置信度和两个实体之 间的 关系置信度发送给所述通道构建单元 （2024） ， 并将关系置信度发送给所述格式规划单元 （2023） ； 所述格式规划单元 （2023） 用于将医药知识图谱中各药物节点之间的关系格式设置 为三元组， 将三元组通过数据连接的方式发送给所述通道构建单元 （2024） ； 所述通道构建 单元 （2024） 用于在符合关系置信度阈值的药物之间设置 关系连接通道， 药物之间的连接通 道权重决定了药物是否可以进 行搭配学习， 所述通道构建单元 （202 4） 将药物 三元组知识以 及药物通道共同构成医药知识词典， 将医药知识词典通过数据连接的方式发送给所述医药 知识库 （208） ； 所述数据计算单元 （2022） 计算每个药物在医药知识图谱中的重要性， 用于表征药物的 重要性置信度， 所述重要性置信度的具体 计算公式为： 其中， 表示药物 在医药知识图谱中 的重要性置信度， 为医药知识图谱中节点 继续扩展的概率， 和 分别为药物 在医药知识图谱中的入度和出度， 表示药物 在医药知识图谱中的重要性置信度， ， 表示药物种类； 所 述药物的富 集程度是指药物用途广泛程度的量 化； 所述数据计算单元 （2022） 还用于计算两个实体的关系置信度， 所述关系置信度的表达 式为： 权　利　要　求　书 1/3 页 2 CN 114064883 B 2其中， 表示实体 与实体 的关系置信度， 表示实体 与实体 在第d 个知识维度下的相似度， 即第d种关系的相似度， 为第d种关系的权 重； 所述通道构建单元 （2024） 在符合关系置信度阈值的药物之间设置关系连接通道， 通道 的权重计算公式为： 药物之间的连接通道权 重决定了药物是否可以进行 搭配学习。 2.一种基于精准算法和大数据的医药知识快速学习系统的实现方法， 其特征在于， 包 括以下步骤： S1.获取医药知识图谱， 对医药知识图谱中的所有医药知识进行整理、 分析， 挖掘医药 知识中的隐含关系， 构建医药知识词典； 所述医药知识词典的具体构建方法如下： 首先将医药知识图谱中的所有医药知识形成不同知识维度的数据列， 所述数据列即为 不同的知识维度； 将所有医药分类编码的集合记为 ， 共有 种药物， 每 种药物作为一个节点， 每种药物不同知识维度的数据列记为 ， 表示任意一种知识维度， 即任意一列， 共有D列数据； 计算每个药物在医药知识图 谱中的重要性， 用于表征 药物的重要性置信度， 具体 计算公式为： 其中， 表示药物 在医药知识图谱中 的重要性置信度， 为医药知识图谱中节点 继续扩展的概率， 和 分别为药物 在医药知识图谱中的入度和出度， 表示药物 在医药知 识图谱中的重要 性置信度， ； 所述药物的富集程度 是指药物用途广泛程度的量 化； 然后将医药知识图谱中各药物节点之间的关系格式设置为三元组， 包括第一实体、 关 系和第二实体， 三元组数据中两个实体之间的关系置信度越高， 则表明两个实体的关联性 越强； 所述关系置信度是指两个实体之间存在的不同关系权重和 等级所得到的数值； 计算 两个实体的关系置信度， 所述关系置信度的表达式为： 其中， 表示实体 与实体 的关系置信度， 表示实体 与实体 在第d 个知识维度下的相似度， 即第d种关系的相似度， 为第d种关系的权 重；权　利　要　求　书 2/3 页 3 CN 114064883 B 3