摘 要

信息时代给如今的生活带来了过剩的信息。在生活中，人们每天接收到的信息远远超过了人们在日常生活中所真正需要的信息。获取信息、浏览信息、筛选有效信息需要付出一定的时间与精力，而能够反馈出准确答案的问答系统能够有效地改善这一现状。在医疗领域中，智能问答系统的应用能够减少医护人员的压力，在求医步骤中，通过运用自然语言处理技术和知识图谱的构建，为患者给出所需要的答案，能够为需要帮助的提问者节省不必要浪费的时间与精力，并提供相对准确的答案。

本文将对医疗领域内基于限定领域的医疗问答系统进行研究与实现。本文将爬取多家真实医院的真实医疗数据，使用自顶向下的方法对需要的医疗信息进行本体建模，将准备好的关系数据转换为RDF数据构建医疗知识图谱。本文实现了自然语言处理技术里的句法分析、命名实体识别等，能够对用户输入的问句进行分析处理，并实现了将提问者的自然语言问题转换为指定的RDF数据查询语言后在构建的本体内进行答案搜索的功能，实现了能够对于患者所提出的对于医院医疗基础信息、症状的初步预测等疑问给出相应的解答的系统，并对系统进行了web可视化的实现。

关键词：智能问答;自然语言处理技术;医疗;知识图谱

ABSTRACT

The information age has brought excess information to life today. In life, people receive more information every day than they really need in daily life. Obtaining information, browsing information, and screening effective information requires a certain amount of time and effort. A question-answering system that can provide accurate answers can effectively improve this situation. In the medical field, the application of intelligent question answering system can reduce the pressure of medical staff. In the step of seeking medical care, the natural language processing technology and the construction of knowledge maps are used to give the patients the answers they need. The questions can be asked for help. Save unnecessary waste of time and effort, and an provide relatively accurate answer.

This article will study and implement medical question answering systems based on defined fields in the medical field. This article will crawl real medical data from a number of real hospitals, use a top-down approach to perform ontology modeling of the required medical information, and convert the prepared relationship data into RDF data to construct medical knowledge maps. This paper implements syntactic analysis, named entity recognition, etc. in natural language processing technology. It can analyze and process user input questions and implement the construction of the query language after converting natural language questions into a specified RDF data query language. The function of answer search in the body enables the system to provide corresponding answers to questions raised by the patient regarding the basic medical information of the hospital and preliminary prediction of symptoms, and the system is then visually realized.

KEY WORDS：Intelligent Qamp;A; Natural Language Processing Technology; Medical; Knowledge Graph

目 录

第1章 绪论 1

1.1研究背景和意义 1

1.2研究发展现状 1

1.3本文的研究目标和内容 2

1.4论文结构 2

第2章 问答系统概述 3

2.1 问答系统分类 3

2. 1. 1 问题上的问答系统分类 3

2. 1. 2 数据上的问答系统分类 4

2. 1. 3 答案上的问答系统分类 4

2.2 限定领域问答系统技术原理 5

2.2.1自然语言处理技术 5

2.2.2 知识图谱技术 6

2.2.3 web相关技术 6

2.3 问答系统技术应用 9

2.4 小结 9

第3章 基于限定领域的医疗问答系统 10

3.1 现有基于限定领域的医疗问答系统设计方案 10

3.2 基于限定领域的医疗问答系统介绍 10

3.3 小结 11

第4章 系统实现和分析 12

4.1 开发环境介绍 12

4.2 数据获取与本体建模 12

4.2.1数据的获取与准备 12

4.2.2 本体建模 13

4.3 数据转换为RDF 14

4.4 自然语言处理 14

4.4.1 问句处理 13

4.4.2 生成SPARQL查询语句 13

4.4.3 对疾病类型的简单推测 13

4.5 问答系统web可视化的实现 14

4.6小结 20

第5章 结束语 21

5.1论文工作总结 21

5.2问题和展望 21

致 谢 22

参考文献 23

第1章 绪论

1.1研究背景和意义

各种各样扑面而来的信息逐渐占满了人们的生活的各个角落，人们想要从海量的信息中花费时间与精力去获得自己所需要的特定信息的成本也随之变得越来越大。人们以往依赖搜索引擎的指引去一步一步靠近自己所需要的信息，而传统的搜索方式所历经的繁冗的步骤与其所花费的判断信息是否符合需求的时间使得使用传统方式来获得自己所需信息的方法有了很大的缺陷。

问答系统的出现恰好弥补了这一缺陷，人们通过与问答系统对话，能够花费更少的时间去获得更精准的答案，因为在一般的定义内，与搜索引擎返回海量的链接不同，问答系统应当能够通过用户输入的自然语言形式的问题返回给用户一个相对准确而简洁的答案。为了降低人们获取相对准确信息的时间成本，问答系统被赋予了能够经分析由自然语言所构成的问题从而得到能够在数据集中含有答案的数据的信息，进一步通过各种技术提取答案的能力^[1]。如果能够在生活中的多个领域中使用问答系统来处理未知的信息与知识，那么人们生活的高效性则可以大大提高，可见研究与实现各个领域内的问答系统对于人们的生活而言具有不可小觑的意义。

1.2研究发展现状

如今处于信息时代，随着人们逐渐意识到了生活中的信息过载的现象，越来越多的技术也被使用来从海量的信息中提取出人们所需要的有用的那部分信息，问答系统满足人们对于准确信息的需求，能够给出准确答案的高效问答系统越来越受到人们的重视。

检索式的问答系统包括AnswerBus、QUASM、Askjeeves、Lamp等，检索式的问答系统的主要步骤是检索以及答案抽取，当前的发展较为完善。聊天机器人式的问答系统早前有欧洲的SUNDIAL项目和SUNSTAR计划等^[2-3]，如今较为知名的包括苹果的Siri、第一个聊天机器人系统Eliza、Jabberwock、Talk-Bot等等，聊天机器人式的问答系统需要有足够充足完备的知识库准备才能与提问者讲对话完整地进行下去。基于自由文本的问答系统节省了建立知识库的精力，大多数问答系统都是基于自由文本的问答系统。基于知识库的问答系统拥有一个或多个领域内的知识库供系统进行检索及推理，但在语义理解的方面较为薄弱。

1.3本文的研究目标和内容

本文的研究目标是学习基于医疗领域的问答系统的原理并实现系统，系统实现过程中将结合知识图谱的构建建立选定医疗系统的完善知识库，并将信息以RDF数据的格式存储，实现能够将用户的自然语言信息转换为特定的RDF数据查询语言，在知识库中为用户进行搜索并返回给用户相对准确的答案功能的问答系统。