李若宇,陈 磊

(淮南师范学院 计算机学院,安徽 淮南 232001)

0 引言

随着2020 年暴发的新冠肺炎疫情席卷全球,各种疾病知识已经成为最有价值的信息之一,建立高质量的疾病知识库,有助于推进医学现代化,推进全民医学知识科普。 现阶段传统主流数据库以关系型数据库为主,在存储结构化数据时具有成熟的技术和良好的性能,但疾病知识拥有着明显的树状结构和拓扑结构特征,传统关系型数据库难以做到高效的存储。

资源描述框架(Resource Description Framework,RDF)是Web3.0 时代语义网技术中的一个概念,表达为一种基于图的数据类型,常作为知识图谱的存储介质。 选用RDF 进行疾病知识描述和仓储具有查询效率高、扩展性强、对非结构化非关系型数据兼容性较好等特点。 国内外基于RDF 技术开发的知识库有清华大学的Xlore、复旦大学的CN-Dbpedia、谷歌的Freebase 和维基的DBPedia。 Openlink 公司的Virtuoso 数据库能够实现RDF 数据的仓储,并使用SPARQL 语句进行数据的检索和操作[1-2]。

1 知识描述

1.1 知识建模

作为语义网中的核心技术,使用RDF 构建知识工程时,知识本体被当作资源表示为URI,不同资源间的联系以主谓宾的形式进行描述,形成知识图谱。 构成RDF 的数据类型包括:(1)URI。 用于标记资源,以网址的形式。 如在疾病知识中,知识本体“高血压”被标记为资源:。 (2)字面量。 表示具体值。 如字符串值: "脑动脉粥样硬化"。上述类型数据类型可构成主谓宾三元组的RDF 原生数据形式[3-4]。 RDF 原生数据形式如表1 所示。

表1 RDF 原生数据形式

疾病知识具有明显的医学知识特征,有较规则的知识结构,例如大多数疾病都包含中英文名称、就诊科室、多发群体、病症分类、常见症状、诊断方法、治疗方法等共同属性,因此根据属性关系可以对疾病知识进行有效组织。……