医学知识图谱构建及推理数据集生成方法、设备及介质与流程

本发明涉及人工智能与医学信息处理，具体涉及一种医学知识图谱构建及推理数据集生成方法、设备及介质。

背景技术：

1、目前，在医疗垂域大模型的训练数据构建过程中，通常采用通用数据清洗工具对医学教材、指南等文本进行处理，并将抽取的知识以扁平化三元组形式存储。然而，医学知识具有极强的层级嵌套特性，现有处理方式容易丢失关键的父级限定条件与诊疗逻辑约束，导致构建的知识图谱存在上下文缺失问题。同时，互联网多源异构医学数据虽能补充时效性知识，但缺乏有效的真伪校验机制，易引入噪声；而现有的问答数据集多局限于单跳简单问答，难以支撑模型在鉴别诊断、多病共存管理等场景下的复杂多跳推理能力。

2、因此，急需一种能够保留医学知识层级适用边界、有效融合多源异构数据并自动化生成高质量复杂推理数据集的方法。

技术实现思路

1、为解决上述现有技术存在的医学知识层级约束丢失及复杂多跳推理训练数据匮乏等技术问题，本发明在如下的多个方面中提供方案。

2、在第一方面中，本发明提供了一种医学知识图谱构建及推理数据集生成方法，包括：s1：基于医学文档的层级结构，提取内容节点及其对应的父级标题节点序列，并基于层级深度对所述父级标题节点序列进行加权融合，生成携带上下文约束向量的扩展知识三元组，以构建高信度知识图谱；s2：获取多源异构医学数据，基于图结构特征评估所述多源异构医学数据的来源可信度，并基于所述高信度知识图谱评估所述多源异构医学数据的内容逻辑关系，根据所述来源可信度和所述内容逻辑关系对所述多源异构医学数据进行分流处理，以更新所述高信度知识图谱并构建负样本库；s3：基于更新后的所述高信度知识图谱进行满足上下文一致性约束的路径游走，确定多跳推理路径，从所述负样本库中提取干扰信息注入所述多跳推理路径，并利用语言模型基于注入干扰信息后的所述多跳推理路径反向生成情境化推理数据，以得到结构化问答训练样本。

3、进一步地，步骤s1中，生成携带上下文约束向量的扩展知识三元组，包括：将所述医学文档解析为语义树，所述语义树包含标题节点和内容节点；针对所述语义树中的目标内容节点，沿所述语义树向上回溯，收集路径上的标题节点作为所述父级标题节点序列；基于所述目标内容节点所在的层级深度，计算所述父级标题节点序列中各标题节点的层级权重；基于所述层级权重对所述父级标题节点序列中各标题节点的语义向量进行加权求和，并与所述目标内容节点的语义向量进行融合，得到所述上下文约束向量；将所述目标内容节点对应的医学知识三元组与所述上下文约束向量组合，生成所述扩展知识三元组。

4、进一步地，所述根据预设的上下文强度系数，将所述加权路径向量与所述目标内容节点的语义向量进行比例融合，得到所述上下文约束向量，采用如下公式进行计算：

5、

6、其中，为所述上下文约束向量，为所述上下文强度系数，且，为所述父级标题节点序列的加权路径向量，为所述目标内容节点的语义向量。

7、进一步地，所述基于所述目标内容节点所在的层级深度，计算所述父级标题节点序列中各标题节点的层级权重，包括：

8、通过以下公式计算所述层级权重：

9、

10、其中，为所述父级标题节点序列中第i层标题节点的层级权重，为层级重要性衰减系数，i为当前标题节点所在的层级索引，l为所述目标内容节点所在的总层级数，j为求和索引，e为自然常数。

11、进一步地，所述步骤s2中，评估所述多源异构医学数据的内容逻辑关系，包括：构建包含文章节点、发布者节点和实体节点的异构图网络，基于图神经网络聚合所述异构图网络中的邻居节点特征，计算所述文章节点对应的所述多源异构医学数据的来源可信度得分；将所述多源异构医学数据映射为查询向量，计算所述查询向量与所述高信度知识图谱中各所述扩展知识三元组的所述上下文约束向量之间的相似度，筛选出满足预设相似度条件的候选锚点；将所述候选锚点转化为自然语言形式的锚点知识，利用所述语言模型判断所述多源异构医学数据与所述锚点知识之间的逻辑蕴含关系，得到所述内容逻辑关系。

12、进一步地，所述步骤s2中，根据所述来源可信度和所述内容逻辑关系对所述多源异构医学数据进行分流处理，包括：当所述内容逻辑关系为冲突关系时，将所述多源异构医学数据标记为错误知识并存入所述负样本库；当所述内容逻辑关系为蕴含关系，且所述来源可信度得分大于或等于预设来源可靠性阈值时，将所述多源异构医学数据融合至所述高信度知识图谱中；当所述内容逻辑关系为中立关系，或者所述内容逻辑关系为蕴含关系且所述来源可信度得分小于所述预设来源可靠性阈值时，将所述多源异构医学数据标记为存疑知识并触发人工审核流程。

13、进一步地，所述步骤s3中，提取干扰信息注入所述多跳推理路径，包括：在更新后的所述高信度知识图谱中确定起始实体节点和终止实体节点；从所述起始实体节点开始进行路径转移，在每次转移时，计算当前节点与候选下一节点的所述上下文约束向量之间的相似度，当所述相似度大于预设相关性阈值时，将所述候选下一节点作为转移目标，直至到达所述终止实体节点，得到所述多跳推理路径；从所述负样本库中提取与所述多跳推理路径中的关键节点语义相关的错误知识，作为所述干扰信息注入所述多跳推理路径。

14、进一步地，所述关系类型约束包括限定路径中各跳转移边的关系类型序列及方向，以区分在同一对起始实体节点与终止实体节点之间存在的不同诊疗方向或不同临床类别的候选路径。

15、进一步地，所述步骤s3中，结构化问答训练样本的获取方式包括：将所述多跳推理路径和所述干扰信息输入所述语言模型，指示所述语言模型反向生成包含所述干扰信息作为误导噪音的情境化病历、模拟临床思维的思维链解析以及最终诊断结论；将所述情境化病历、所述思维链解析和所述最终诊断结论按照预设的数据格式进行组装，生成包含指令、输入和输出字段的结构化问答训练样本。

16、进一步地，在所述基于医学文档的层级结构，提取内容节点及其对应的父级标题节点序列之前，所述方法还包括：获取标准医学术语库的源数据，提取实体标识符、术语描述和关系类型，构建包含实体节点和关系边的基础图谱网络；利用统一概念标识符对所述基础图谱网络中的同义词和缩写进行实体对齐，将来自不同术语系统但表示同一医学概念的实体进行关联融合，得到基准图谱；所述高信度知识图谱基于所述基准图谱和所述扩展知识三元组构建。

17、在第二方面中，本发明还提供了一种医学知识图谱构建及推理数据集生成系统，包括：知识图谱构建模块，用于基于医学文档的层级结构，提取内容节点及其对应的父级标题节点序列，并基于层级深度对所述父级标题节点序列进行加权融合，生成携带上下文约束向量的扩展知识三元组，以构建高信度知识图谱；数据校验融合模块，用于获取多源异构医学数据，基于图结构特征评估所述多源异构医学数据的来源可信度，并基于所述高信度知识图谱评估所述多源异构医学数据的内容逻辑关系，根据所述来源可信度和所述内容逻辑关系对所述多源异构医学数据进行分流处理，以更新所述高信度知识图谱并构建负样本库；推理数据生成模块，用于基于更新后的所述高信度知识图谱进行满足上下文一致性约束的路径游走，确定多跳推理路径，从所述负样本库中提取干扰信息注入所述多跳推理路径，并利用语言模型基于注入干扰信息后的所述多跳推理路径反向生成情境化推理数据，以得到结构化问答训练样本。

18、在第三方面中，本发明还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现第一方面中一个或多个实施例所述的方法。

19、在第四方面中，本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现第一方面中一个或多个实施例所述的方法。

20、本发明的有益效果在于：本发明通过基于层级深度的上下文路径嵌入机制，将医学文档中隐含的章节约束显式编码为向量表示，并与知识三元组深度融合形成扩展知识单元，从根本上克服了传统知识抽取技术将层级化医学内容扁平化处理所导致的适用边界丢失问题，使构建的知识图谱具备情境感知能力，为后续精准推理提供了可靠的语义基座。

21、本发明通过构建异构图网络评估数据来源信誉，并以高信度图谱为语义锚点驱动语言模型进行逻辑蕴含校验，实现了来源可信度与内容正确性的双重协同验证；在此基础上建立的分流处理机制，不仅将高质量知识自动融入图谱，还将冲突知识转化为负样本资源，有效解决了互联网医学数据鱼龙混杂、难以直接利用的痛点，在保障知识安全性的同时最大化挖掘了多源数据的潜在价值。

22、本发明通过引入上下文一致性约束的路径游走与负样本干扰注入机制，结合逆向思维链生成策略，自动化构建了包含逼真临床情境、误导噪音与完整思维链解析的结构化推理数据集；该数据集不仅覆盖了跨知识点、多步骤的复杂推理逻辑，还通过干扰项设计增强了模型的临床辨析能力，显著提升了医疗垂域大模型在真实诊疗场景下的辅助决策准确性与鲁棒性。