医疗领域搜索信息处理方法、装置、设备和存储介质与流程

1.本发明涉及人工智能领域，特别是涉及医疗领域搜索信息处理方法、装置、计算机设备和存储介质。


背景技术：

2.随着互联网医疗的发展，医疗信息搜索已经成为目前互联网应用里最常见的场景之一，也是互联网时代最有效的变现手段之一。该场景可以描述为用户通过输入关键词或短句等搜索信息以表达自己的需求，系统通过分析用户输入的关键词或短句等搜索信息，获取到与搜索信息相关的信息展示给用户。用户希望通过网络搜索获取医疗信息(例如搜索某种疾病所对应的保健品、药品、医疗用品等健康商品的信息)的需求日益强烈，快速准确地为用户展示相关医疗信息就显得十分重要。现有技术的医疗领域搜索信息处理方案，处理效率低，为用户所提供的相关信息准确率不高，且提供的信息不够全面，与用户所需求的信息的契合率不够高。


技术实现要素：

3.基于此，有必要针对在进行医疗领域搜索信息处理时，处理效率低，为用户所提供的相关信息准确率不高，且提供的信息不够全面，与用户所需求的信息的契合率不够高的问题，提供一种医疗领域搜索信息处理方法、装置、计算机设备和存储介质。
4.一种医疗领域搜索信息处理方法，包括：
5.构建医疗信息知识图谱；
6.针对所述医疗信息知识图谱的数据构建倒排索引；
7.对通过用户终端所输入的查询词query进行解析，得到目标实体；
8.通过所述倒排索引从所述医疗信息知识图谱中获取与所述目标实体相关联的数据；
9.将所述与所述目标实体相关联的数据发送到所述用户终端。
10.在其中一个实施例中，所述构建医疗信息知识图谱，包括：
11.获取医药产品信息，利用医药产品信息构建医药产品数据源；
12.识别所述医药产品数据源中的实体；
13.分别计算每一所述实体与其他所述实体之间的相似度，提取出与其他所述实体之间的相似度均低于预设相似度阈值的所述实体；
14.在所述医药产品数据源中识别出提取出的各所述实体之间的实体关系；
15.利用提取出的各实体以及提取出的各实体之间的实体关系，构造医疗信息知识图谱。
16.在其中一个实施例中，所述利用提取出的各实体以及提取出的各实体之间的实体关系，构造医疗信息知识图谱，包括：
17.分别以提取出的各实体为节点，以提取出的各实体之间的实体关系作为有向线
段，利用各节点以及节点之间的有向线段构造出所述医疗信息知识图谱。
18.在其中一个实施例中，所述针对所述医疗信息知识图谱的数据构建倒排索引，包括：
19.对所述医疗信息知识图谱的数据进行标准化处理，得到标准化处理后的数据；
20.对所述标准化处理后的数据中的实体的名称字段和属性值字段进行分词，得到名称对应分词和属性值对应分词；
21.以所述名称对应分词和所述属性值对应分词作为键，以第一实体以及对应于所述第一实体的本体作为值，构造倒排索引表；
22.其中，所述第一实体为所述名称对应分词和所述属性值对应分词所属的实体。
23.在其中一个实施例中，所述对通过用户终端所输入的查询词query进行解析，得到目标实体，包括：
24.构建所述查询词query的句法依存树；
25.将所述句法依存树与各预设句法依存树模板进行匹配，根据匹配结果确定目标句法依存树模板；
26.利用所述目标句法依存树模板标记所述查询词query中词槽的词槽操作符，所标记的词槽操作符表示施加于query中词槽的逻辑关系。
27.在其中一个实施例中，所述利用所述目标句法依存树模板标记所述查询词query中词槽的词槽操作符，包括：
28.将所述目标句法依存树模板中的句法依存树的节点和边分别与所述查询词query的句法依存树中的节点和边进行对应操作；
29.获取所述目标句法依存树模板的句法依存树中节点的操作符，作为所述查询词query的句法依存树中同一节点对应词槽的词槽操作符。
30.一种医疗领域搜索信息处理装置，包括：
31.知识图谱构建模块，用于构建医疗信息知识图谱；
32.倒排索引构建模块，用于针对所述医疗信息知识图谱的数据构建倒排索引；
33.解析模块，用于对通过用户终端所输入的查询词query进行解析，得到目标实体；
34.获取模块，用于通过所述倒排索引从所述医疗信息知识图谱中获取与所述目标实体相关联的数据；
35.发送模块，用于将所述与所述目标实体相关联的数据发送到所述用户终端。
36.在其中一个实施例中，所述知识图谱构建模块，包括：
37.获取构建单元，用于获取医药产品信息，利用医药产品信息构建医药产品数据源；
38.实体识别单元，用于识别所述医药产品数据源中的实体；
39.计算提取单元，用于分别计算每一所述实体与其他所述实体之间的相似度，提取出与其他所述实体之间的相似度均低于预设相似度阈值的所述实体；
40.实体关系识别单元，用于在所述医药产品数据源中识别出提取出的各所述实体之间的实体关系；
41.构造单元，用于利用提取出的各实体以及提取出的各实体之间的实体关系，构造医疗信息知识图谱。
42.一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所
述计算机可读指令被所述处理器执行时，使得所述处理器执行上述所述医疗领域搜索信息处理方法的步骤。
43.一种存储有计算机可读指令的存储介质，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行上述所述医疗领域搜索信息处理方法的步骤。
44.上述医疗领域搜索信息处理方法、装置、计算机设备和存储介质，通过构建医疗信息知识图谱，针对所述医疗信息知识图谱的数据构建倒排索引，对通过用户终端所输入的查询词query进行解析，得到目标实体，通过所述倒排索引从所述医疗信息知识图谱中获取与所述目标实体相关联的数据，将所述与所述目标实体相关联的数据发送到所述用户终端，对搜索信息的处理效率高，为用户所提供的相关信息准确率高，能够快速准确地为用户提供所需要的信息，且提供的信息全面，与用户所需求的信息的契合率高，能够很好地满足实际应用的需要。
附图说明
45.图1为一个实施例中提供的医疗领域搜索信息处理方法的流程图；
46.图2为一个实施例中的构建医疗信息知识图谱的流程图；
47.图3为图1中步骤s30的流程图；
48.图4为一个实施例中提供的医疗领域搜索信息处理装置结构框图；
49.图5为一个实施例中计算机设备的内部结构框图。
具体实施方式
50.为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
51.可以理解，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。还应理解的是，虽然术语“第一”、“第二”、“第三”等在文本中在一些本技术实施例中用来描述各种元素，但是这些元素不应该受到这些术语的限制。这些术语仅用于区分各种元素。
52.知识图谱本质上是语义网络。知识图谱赋予了字串新的意义，而不只是单纯的字串，融合了所有的学科，以便于用户搜索时的连贯性，能够为用户找出更加准确的信息，作出更全面的总结并提供更有深度相关的信息，能够把与关键词相关的知识体系系统化地展示给用户，能够从整个互联网汲取有用的信息让用户能够获得更多相关的公共资源。
53.如图1所示，在一个实施例中，提出了一种医疗领域搜索信息处理方法，该医疗领域搜索信息处理方法，具体可以包括以下步骤：
54.s10、构建医疗信息知识图谱。
55.知识图谱是一种基于图的数据结构，由节点(point)和边(edge)组成，每个节点表示一个“实体”，每条边为实体与实体之间的“关系”，实体指的可以是现实世界中的事物，实体关系则用来表达不同实体之间的某种联系。
56.如图2所示，在某些实施方式中，步骤s10可以包括：
57.步骤s101、获取医药产品信息，利用医药产品信息构建医药产品数据源。
58.获取医药产品信息例如可通过网络采集或扫描采集等方式来采集医药产品说明书，提取医药产品说明书中所包含的信息。利用医药产品信息创建医药产品数据源可以是利用从医药产品说明书中所提取的信息创建医药产品数据源。扫描采集的方式例如可以通过ocr技术提取扫描图片中的文字。
59.医药产品数据源还可以是直接从医药产品数据库中获取的数据。其中，结构化医药产品的数据可以直接用于构建医药产品数据源，非结构化的医药产品数据需要进行实体识别。
60.步骤s102、识别医药产品数据源中的实体。
61.具体地，在获取医药产品数据源之后，从该医药产品数据源中识别出属于所需实体类型的实体。在医疗信息知识图谱中，实体类型包括医药产品、适应症、症状、适用人群、禁忌人群、人体部位以及产品组成成分等等医疗术语。
62.具体地，该步骤就是把症状、适应症、产品组成成分、人体部位、禁忌人群以及医药产品等各实体类型相关的概念识别出来。
63.例如，可以从医药产品说明书所公开的信息中分别识别出属于医药产品的实体、属于适应症的实体、属于症状的实体、属于人体部位的实体以及属于产品组成成分的实体等等。
64.又例如，从盐酸二甲双胍缓释片的医药产品说明书中可以识别出医药产品名称的实体为盐酸二甲双胍缓释片，产品组成成分的实体为盐酸二甲双胍缓释片的构成成分，适应症的实体为2型糖尿病，禁忌人群的实体为孕妇，等等。
65.步骤s103、分别计算每一实体与其他实体之间的相似度，提取出与其他实体之间的相似度均低于预设相似度阈值的实体。
66.具体地，依次计算出每一实体与其他各实体之间的相似度，提取出该相似度低于预设相似度阈值的每一实体。提取出相似度低于预设相似度阈值的实体能够避免各实体之间的重复性。
67.步骤s104、在医药产品数据源中识别出提取出的各实体之间的实体关系。
68.例如，从医药产品说明书的文字信息中提取出各实体后，再从医药产品说明书中识别出各实体之间的实体关系。其中，实体关系主要指适应症、禁忌人群、医药产品副作用、医药产品相互作用、产品组成成分、药代动力学等等。例如，医药产品说明书的信息中已经说明：盐酸二甲双胍缓释片的禁忌人群包括孕妇、肺功能不全者、糖尿病合并严重的慢性并发症患者、严重心、肺疾病患者等；不良反应包括：恶心、呕吐、腹泻、口中有金属味、乏力、疲倦、体重减轻、头晕、皮疹等。
69.步骤s105、利用提取出的各实体以及提取出的各实体之间的实体关系，构造医疗信息知识图谱。
70.具体地，分别以提取出的各实体为节点，以提取出的各实体之间的实体关系作为有向线段，利用各节点以及节点之间的有向线段构造出相应的医疗信息知识图谱。有向线段也可以称为边。例如，以节点代表医药产品、适应症、禁忌人群等，以有向线段代表医药产品与适应症以及禁忌人群之间的实体关系等，以此类推，构建出医疗信息知识图谱。
71.以医药产品数据为数据源，进行相似度比较，提取出与其他实体之间的相似度均低于预设相似度阈值的实体，避免了实体重复，从而构建出医疗信息知识图谱。
72.s20、针对所述医疗信息知识图谱的数据构建倒排索引。
73.医疗信息知识图谱由本体层与实体层构成，本体层为知识图谱的抽象表示，其对应的实例化形式就是实体层，本实施例的医疗信息知识图谱为具有一般形式的知识图谱。
74.例如，知识图谱的形式表示为kg＝{o,i,r,a,l}，其中o代表概念，i代表实例，r代表关系，a代表属性，l代表字面量；在实例i中得到实体名称的字段，属性a中得到属性值字段，字面量l中得到文本特征。
75.在某些实施方式中，步骤s20包括：
76.对医疗信息知识图谱的数据进行标准化处理，得到标准化处理后的数据；医疗信息知识图谱的数据例如可以为医疗信息知识图谱的字段；
77.对标准化处理后的数据中的实体的名称字段和属性值字段进行分词，得到名称对应分词和属性值对应分词；标准化处理例如可以为归一化处理；名称对应分词可以简称为名称分词，属性值对应分词可以简称为属性值分词；
78.以得到的名称对应分词和属性值对应分词作为键，以第一实体以及对应于所述第一实体的本体作为值，构造倒排索引表；
79.其中，第一实体为名称对应分词和属性值对应分词所属的实体。
80.s30、对通过用户终端所输入的查询词query进行解析，得到目标实体。
81.如图3所示，在某些实施方式中，步骤s30包括：
82.s301、构建查询词query的句法依存树；查询词query是通过用户终端所输入的。
83.例如，对查询词query进行切词处理，得到query中的词语以及各词语的词性；对query中的词语进行句法依存分析，确定各词语之间的依存关系；根据query中的词语、各词语的词性以及各词语之间的依存关系，构建query的句法依存树。
84.s302、将句法依存树与各预设句法依存树模板进行匹配，根据匹配结果确定目标句法依存树模板。
85.预设句法依存树模板由模板名称、模板置信度以及模板句法依存树所组成。模板名称对应于该模板解析query后的处理操作。
86.例如，模板名称为“[p：negate]”的预设句法依存树模板表示解析query后的处理操作为negate处理操作。
[0087]
同一个模板名称可能对应有多个预设句法依存树模板，通过模板置信度能够对对应于同一模板名称的多个预设句法依存树模板进行排序。
[0088]
模板句法依存树中包括多个非根节点，模板句法依存树中限定了该预设句法依存树模板中所包含的所有节点、每一节点的位置、每一节点的父节点的位置、每一节点与其父节点之间的依存关系、每一节点的词性、每一节点的词语内容以及每一节点所对应的操作符等。
[0089]
s303、利用目标句法依存树模板来标记所述查询词query中词槽的词槽操作符，所标记的词槽操作符表示施加于query中词槽的逻辑关系。
[0090]
词槽操作符用于描述查询词query中用户对特定词槽所施加的逻辑关系，例如词槽操作符对应于数据查询中的增加、删除、修改等操作。可以根据实际的应用场景来对词槽操作符的类型进行修改，也可以根据用户的实际需求来添加不同类型的词槽操作符。其中，词槽操作符的类型可以包含否定识别、替换识别、普通指代词识别、其他指代词识别、相似
关系识别以及补充词槽识别等等类型。根据标记后的词槽操作符即可以对应查找到目标实体。
[0091]
在某些实施方式中，利用目标句法依存树模板来标记query中词槽的词槽操作符，包括：
[0092]
将目标句法依存树模板中的句法依存树的节点和边分别与query的句法依存树中的节点和边进行对应操作，从而实现目标句法依存树模板中的句法依存树的节点与query的句法依存树中的节点相对应，目标句法依存树模板中的句法依存树的边与query的句法依存树中的边相对应；
[0093]
获取目标句法依存树模板的句法依存树中节点的操作符，作为query的句法依存树中同一节点对应词槽的词槽操作符。
[0094]
利用目标句法依存树模板来标记query中词槽的词槽操作符的方式，能够提升query的解析速度以及解析效率。
[0095]
另外，在利用目标句法依存树模板来标记query中词槽的词槽操作符时，还可以直接将目标句法依存树模板的名称作为query中词槽的词槽操作符。
[0096]
本步骤提升了query的解析准确性，并能够在解析得到query中词槽的词槽操作符之后，再结合前次query的内容，对本次query进行查询，从而获取更加准确的查询结果。
[0097]
s40、通过所述倒排索引从所述医疗信息知识图谱中获取与所述目标实体相关联的数据。
[0098]
具体地，倒排索引表中存储有医疗信息知识图谱中的各数据在医疗信息知识图谱中的存储信息，从倒排索引表中获取与该目标实体相关联的数据的存储信息，根据存储信息从医疗信息知识图谱中查找到与该目标实体相关联的数据并提取出来，即得到与所述目标实体相关联的数据。与该目标实体相关联的数据的存储信息例如可以包括该数据的存储地址等信息。
[0099]
s50、将所述与所述目标实体相关联的数据发送到所述用户终端。
[0100]
在得到与所述目标实体相关联的数据之后，将与所述目标实体相关联的数据发送到用户终端，从而使用户得到所要查新的数据。用户终端例如可以是笔记本电脑、个人电脑、平板电脑或智能手机等电子设备。
[0101]
本技术实施例的医疗领域搜索信息处理方法，通过构建医疗信息知识图谱，针对所述医疗信息知识图谱的数据构建倒排索引，对通过用户终端所输入的查询词query进行解析，得到目标实体，通过所述倒排索引从所述医疗信息知识图谱中获取与所述目标实体相关联的数据，将所述与所述目标实体相关联的数据发送到所述用户终端，对搜索信息的处理效率高，为用户所提供的相关信息准确率高，能够快速准确地为用户提供所需要的信息，且提供的信息全面，与用户所需求的信息的契合率高，能够很好地满足实际应用的需要。
[0102]
如图4所示，在一个实施例中，提出了一种医疗领域搜索信息处理装置，包括：
[0103]
知识图谱构建模块，用于构建医疗信息知识图谱；
[0104]
倒排索引构建模块，用于针对所述医疗信息知识图谱的数据构建倒排索引；
[0105]
解析模块，用于对通过用户终端所输入的查询词query进行解析，得到目标实体；
[0106]
获取模块，用于通过所述倒排索引从所述医疗信息知识图谱中获取与所述目标实
体相关联的数据；
[0107]
发送模块，用于将所述与所述目标实体相关联的数据发送到所述用户终端。
[0108]
在某些实施方式中，所述知识图谱构建模块，包括：
[0109]
获取构建单元，用于获取医药产品信息，利用医药产品信息构建医药产品数据源；
[0110]
实体识别单元，用于识别所述医药产品数据源中的实体；
[0111]
计算提取单元，用于分别计算每一所述实体与其他所述实体之间的相似度，提取出与其他所述实体之间的相似度均低于预设相似度阈值的所述实体；
[0112]
实体关系识别单元，用于在所述医药产品数据源中识别出提取出的各所述实体之间的实体关系；
[0113]
构造单元，用于利用提取出的各实体以及提取出的各实体之间的实体关系，构造医疗信息知识图谱。
[0114]
在某些实施方式中，所述构造单元进一步具体用于：
[0115]
分别以提取出的各实体为节点，以提取出的各实体之间的实体关系作为有向线段，利用各节点以及节点之间的有向线段构造出所述医疗信息知识图谱。
[0116]
在某些实施方式中，所述倒排索引构建模块包括：
[0117]
标准化处理单元，用于对所述医疗信息知识图谱的数据进行标准化处理，得到标准化处理后的数据；
[0118]
分词单元，用于对所述标准化处理后的数据中的实体的名称字段和属性值字段进行分词，得到名称对应分词和属性值对应分词；
[0119]
倒排索引表构造单元，用于以所述名称对应分词和所述属性值对应分词作为键，以第一实体以及对应于所述第一实体的本体作为值，构造倒排索引表；
[0120]
其中，所述第一实体为所述名称对应分词和所述属性值对应分词所属的实体。
[0121]
在某些实施方式中，所述解析模块，包括：
[0122]
句法依存树构建单元，用于构建所述查询词query的句法依存树；
[0123]
匹配单元，用于将所述句法依存树与各预设句法依存树模板进行匹配，根据匹配结果确定目标句法依存树模板；
[0124]
标记单元，用于利用所述目标句法依存树模板标记所述查询词query中词槽的词槽操作符，所标记的词槽操作符表示施加于query中词槽的逻辑关系。
[0125]
在某些实施方式中，所述标记单元包括：
[0126]
对应操作子单元，用于将所述目标句法依存树模板中的句法依存树的节点和边分别与所述查询词query的句法依存树中的节点和边进行对应操作；
[0127]
获取子单元，用于获取所述目标句法依存树模板的句法依存树中节点的操作符，作为所述查询词query的句法依存树中同一节点对应词槽的词槽操作符。
[0128]
本技术实施例提供的医疗领域搜索信息处理装置与本技术实施例提供的医疗领域搜索信息处理方法出于相同的发明构思，具有与其采用、运行或实现的方法相同的有益效果。
[0129]
如图5所示，在一个实施例中，提出了一种计算机设备，所述计算机设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
[0130]
构建医疗信息知识图谱；
[0131]
针对所述医疗信息知识图谱的数据构建倒排索引；
[0132]
对通过用户终端所输入的查询词query进行解析，得到目标实体；
[0133]
通过所述倒排索引从所述医疗信息知识图谱中获取与所述目标实体相关联的数据；
[0134]
将所述与所述目标实体相关联的数据发送到所述用户终端。
[0135]
在一个实施例中，所述处理器所执行的构建医疗信息知识图谱，包括：
[0136]
获取医药产品信息，利用医药产品信息构建医药产品数据源；
[0137]
识别所述医药产品数据源中的实体；
[0138]
分别计算每一所述实体与其他所述实体之间的相似度，提取出与其他所述实体之间的相似度均低于预设相似度阈值的所述实体；
[0139]
在所述医药产品数据源中识别出提取出的各所述实体之间的实体关系；
[0140]
利用提取出的各实体以及提取出的各实体之间的实体关系，构造医疗信息知识图谱。
[0141]
在一个实施例中，所述处理器所执行的利用提取出的各实体以及提取出的各实体之间的实体关系，构造医疗信息知识图谱，包括：
[0142]
分别以提取出的各实体为节点，以提取出的各实体之间的实体关系作为有向线段，利用各节点以及节点之间的有向线段构造出所述医疗信息知识图谱。
[0143]
在一个实施例中，所述处理器所执行的针对所述医疗信息知识图谱的数据构建倒排索引，包括：
[0144]
对所述医疗信息知识图谱的数据进行标准化处理，得到标准化处理后的数据；
[0145]
对所述标准化处理后的数据中的实体的名称字段和属性值字段进行分词，得到名称对应分词和属性值对应分词；
[0146]
以所述名称对应分词和所述属性值对应分词作为键，以第一实体以及对应于所述第一实体的本体作为值，构造倒排索引表；
[0147]
其中，所述第一实体为所述名称对应分词和所述属性值对应分词所属的实体。
[0148]
在一个实施例中，所述处理器所执行的所述对通过用户终端所输入的查询词query进行解析，得到目标实体，包括：
[0149]
构建所述查询词query的句法依存树；
[0150]
将所述句法依存树与各预设句法依存树模板进行匹配，根据匹配结果确定目标句法依存树模板；
[0151]
利用所述目标句法依存树模板标记所述查询词query中词槽的词槽操作符，所标记的词槽操作符表示施加于query中词槽的逻辑关系。
[0152]
在一个实施例中，所述处理器所执行的所述利用所述目标句法依存树模板标记所述查询词query中词槽的词槽操作符，包括：
[0153]
将所述目标句法依存树模板中的句法依存树的节点和边分别与所述查询词query的句法依存树中的节点和边进行对应操作；
[0154]
获取所述目标句法依存树模板的句法依存树中节点的操作符，作为所述查询词query的句法依存树中同一节点对应词槽的词槽操作符。
[0155]
本实施例的处理器可以是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器，可以包括中央处理器(central processing unit，简称cpu)、网络处理器(network processor，简称np)等；还可以是数字信号处理器(dsp)、专用集成电路(asic)、现成可编程门阵列(fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本技术实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本技术实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。
[0156]
本技术实施例提供的计算机设备与本技术实施例提供的医疗领域搜索信息处理方法出于相同的发明构思，具有与其采用、运行或实现的方法相同的有益效果。
[0157]
在一个实施例中，提出了一种存储有计算机可读指令的存储介质，该计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行以下步骤：
[0158]
构建医疗信息知识图谱；
[0159]
针对所述医疗信息知识图谱的数据构建倒排索引；
[0160]
对通过用户终端所输入的查询词query进行解析，得到目标实体；
[0161]
通过所述倒排索引从所述医疗信息知识图谱中获取与所述目标实体相关联的数据；
[0162]
将所述与所述目标实体相关联的数据发送到所述用户终端。
[0163]
在一个实施例中，该计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器所执行的构建医疗信息知识图谱，包括：
[0164]
获取医药产品信息，利用医药产品信息构建医药产品数据源；
[0165]
识别所述医药产品数据源中的实体；
[0166]
分别计算每一所述实体与其他所述实体之间的相似度，提取出与其他所述实体之间的相似度均低于预设相似度阈值的所述实体；
[0167]
在所述医药产品数据源中识别出提取出的各所述实体之间的实体关系；
[0168]
利用提取出的各实体以及提取出的各实体之间的实体关系，构造医疗信息知识图谱。
[0169]
在一个实施例中，该计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器所执行的利用提取出的各实体以及提取出的各实体之间的实体关系，构造医疗信息知识图谱，包括：
[0170]
分别以提取出的各实体为节点，以提取出的各实体之间的实体关系作为有向线段，利用各节点以及节点之间的有向线段构造出所述医疗信息知识图谱。
[0171]
在一个实施例中，该计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器所执行的针对所述医疗信息知识图谱的数据构建倒排索引，包括：
[0172]
对所述医疗信息知识图谱的数据进行标准化处理，得到标准化处理后的数据；
[0173]
对所述标准化处理后的数据中的实体的名称字段和属性值字段进行分词，得到名
称对应分词和属性值对应分词；
[0174]
以所述名称对应分词和所述属性值对应分词作为键，以第一实体以及对应于所述第一实体的本体作为值，构造倒排索引表；
[0175]
其中，所述第一实体为所述名称对应分词和所述属性值对应分词所属的实体。
[0176]
在一个实施例中，该计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器所执行的所述对通过用户终端所输入的查询词query进行解析，得到目标实体，包括：
[0177]
构建所述查询词query的句法依存树；
[0178]
将所述句法依存树与各预设句法依存树模板进行匹配，根据匹配结果确定目标句法依存树模板；
[0179]
利用所述目标句法依存树模板标记所述查询词query中词槽的词槽操作符，所标记的词槽操作符表示施加于query中词槽的逻辑关系。
[0180]
在一个实施例中，该计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器所执行的所述利用所述目标句法依存树模板标记所述查询词query中词槽的词槽操作符，包括：
[0181]
将所述目标句法依存树模板中的句法依存树的节点和边分别与所述查询词query的句法依存树中的节点和边进行对应操作；
[0182]
获取所述目标句法依存树模板的句法依存树中节点的操作符，作为所述查询词query的句法依存树中同一节点对应词槽的词槽操作符。
[0183]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，该计算机程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，前述的存储介质包括但不限于光盘、相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他光学、磁性存储介质等。
[0184]
本技术的上述实施例提供的计算机可读存储介质与本技术实施例提供的医疗领域搜索信息处理方法出于相同的发明构思，具有与其存储的应用程序所采用、运行或实现的方法相同的有益效果。
[0185]
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
[0186]
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。