15、健康知识图谱与事件关系本体的研究进展

健康知识图谱与事件关系本体的研究进展

1. 健康演化信息知识图谱

在健康领域，构建健康演化信息数据库具有重要意义。当仅使用知识组件提取步骤生成的推荐来填充 SNOMED CT 时，大约需要四年半（55.20 人月）的时间。而在另一种情况下，一名参与者平均每小时能进行 144 次正确注释（每天 1008 次），完成该任务大约需要一年半（19.16 人月）。这里仅计算了一人的工作量，实际上专家可以同时进行任务。例如，若有七名专家（模拟用户研究情况），按照第一种情况的工作量，任务大约需要八个月（7.88 个月）；按照第二种情况的工作量，任务大约可缩短至三个月（2.73 个月）。从这些结果可以看出，该方法具有可持续性。

同时，还对评分者间的可靠性进行了评估，使用了 Krippendorff’s alpha 系数，得到的一致性为 0.4685。尽管部分数据表明参与者对 10 个概念中的 7 个有所熟悉，但该一致性结果仍反映出寻找具有共同专业知识的参与者存在一定难度。

构建健康演化信息数据库的知识获取方法包括自动知识组件，如文本分类和补全，还包含人工参与环节，以从领域专家那里获取知识。其主要目标是填补健康状况演变和恢复时间相关资源的知识空白。研究发现，从自然语言中提取健康演化陈述是可行的，推荐信息有助于从专家那里获取知识，利用 SNOMED CT 特征可加速推荐的生成，进而提高其覆盖率。该研究的一个关键优势是引入了人工参与模块，用户研究结果显示，将领域专家纳入方法中可加速知识图谱的构建，更重要的是，能确保获取他们有价值且准确的知识。

1.1 任务完成时间对比

情况	单