14、健康状况演变信息知识图谱构建与评估

健康状况演变信息知识图谱构建与评估

在健康信息领域，对健康状况演变信息的有效管理和利用至关重要。本文将详细介绍健康状况演变信息知识图谱的构建过程，包括数据收集、知识组件提取、知识补全、引入专家知识等步骤，以及对整个方法的评估。

数据收集

为了构建健康状况演变信息的知识库，我们需要合适的数据源。选择的数据源应满足两个条件：一是公开可用，二是内容丰富且包含健康状况演变的描述。我们确定了两个健康网站：英国国家医疗服务体系（NHS England）和梅奥诊所（MAYO Clinic）。NHS England 是英国最大的健康网站，提供症状、病症和治疗等方面的直接访问内容；MAYO Clinic 是非营利组织，其网站提供全面且易于访问的病症描述。NHS England 网站展示了 972 种健康状况的信息，MAYO Clinic 展示了 1170 种。

从这两个网站收集包含病症描述的 HTML 文件后，我们对文本进行清理，去除 HTML 标签、换行符、特殊字符和空格。经过审查发现，健康状况演变通常在一句话中描述。例如，“脚踝骨折”的演变描述为“脚踝骨折通常需要 6 到 8 周才能愈合，但可能需要更长时间”。因此，我们将语料库按句子组织，数据集总共包含 208,838 个句子，按健康状况分组。

由于电子健康记录（EHR）通常使用 SNOMED CT 作为描述临床病症的标准，我们需要将网络来源的病症名称与 SNOMED CT 对齐。使用 Levenshtein 距离进行对齐，并手动审查随机选择病症的结果。最终的语料库是按健康状况分组的句子集合，每个健康状况都与相应的 SNOMED CT 标识符关联。

知识组件提取

这一步的重点是从