本发明公开了用于临床领域时序知识图谱的链接预测方法及系统,首先获取临床领域时序知识图谱,对实体和复杂语义关系向量化,加入上下关联信息,进行序列化学习,对时序知识图谱的时序信息做增量计算,再对时序信息提取特征向量,建立用于临床领域时序知识图谱的链接预测模型,所述链接预测模型包括三元组向量化层、序列增量学习层、序列特征组合层和输出层,根据所述链接预测模型,对临床领域时序知识图谱进行链接预测。本发明利用增量LSTM模型突出临床事实中隐含的语义和时序信息,有效地利用序列化学习挖掘其前后依赖信息,弥补了传统链接预测模型导致对时效性知识图谱预测准确度较低的不足,提高了知识图谱链接预测的准确性。
声明:
“用于临床领域时序知识图谱的链接预测方法及系统” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)