刘子晨 温延龙 徐 雷

（1.南开大学计算机学院 天津 300000）（2.南开大学现代远程教育学院 天津 300000）

1 引言

人工智能研究与社会需求表明，医学知识库的构建与医疗知识的组织和管理已成为精准医学领域的研究热点［1］。在大数据时代，随着医疗系统的电子化和信息系统的发展，医疗领域目前已经累积了海量的数据。知识图谱所具有的数据集成能力和知识推理能力顺应了这一发展趋势，可以将这些海量数据进行整合、管理及应用。

实体上下位关系抽取是知识图谱本体构建过程中的一个环节和该领域的研究重点。实体上下位关系的获取是语义层次结构构建的核心，而语义层次结构又是知识图谱构建不可或缺的一环。同时，实体上下位关系不仅是构建知识图谱的一个关键环节，而且由其所构建起来的分类体系在医疗知识的问答系统和决策支持系统等应用中同样有着重要作用。

目前在医疗领域，国内外已经构建了一些知识库，比如医学主题词表MeSH［2］、医学系统命名法-临床术语SNOMED-CT［3］，以及国内上海曙光医院构建的中医药知识图谱［4］。但是这些已有知识库或是针对特定医学子领域，或是有着缺乏灵活性和能力不足等限制，无法满足如今人们对于医疗知识图谱的需求。而对于大规模数据的上下位关系抽取，因为人工方式工作量巨大，以及专家难寻等原因，通过计算机技术自动化从大规模医疗语料中抽取实体上下位关系的研究非常有必要。……