基于本体技术的高血压知识库平台构建*

杨美洁 张 兴 熊相超

(重庆医科大学医学信息学院 重庆 400016)

1 引言

高血压是最常见的慢性病，也是心脑血管病最主要的危险因素[1]。随着我国经济的发展和人口的老龄化，高血压患病率持续增加，高血压引起的冠心病、脑卒中等疾病的致残率、致命率高[2]，在我国心脑血管疾病死亡的第1位危险因素是高血压[3]。目前我国医疗资源紧张导致看病难等问题，在人工智能、大数据时代背景下，将新兴信息技术应用到医疗服务中，使患者在家中通过网络就能得到医疗建议，缓解就医压力。

目前关于高血压本体构建和知识库平台的研究主要包括：张宇[4]等构建高血压非药物治疗知识库Web端界面，从Web获取的大量文档，利用文本分类技术以及词频(Term Frequency，TF)和文件频率(Document Frequency，DF)方法提取文档和类别特征，通过支持向量机(Support Vector Machine，SVM)方法对文档分类，最后建立本地高血压非药物治疗知识库。吴昊[5]等提出基于本体和案例推理的高血压诊疗系统的框架结构。巩沐歌[6]等将高血压疾病、知识库和本体结合起来，构建具有推理功能的高血压知识库。张巍[7]等提出基于本体和案例推理的高血压诊疗系统模型。构建高血压领域本体及推理规则，使用Jess推理机进行推理操作，使用Jena实现对本体库和案例库并行的查询。李博[8]等结合本体方法将文本临床指南转变成临床指南知识库。本文利用Python爬虫技术爬取网络高血压数据，通过本体技术和Protege工具构建高血压本体库，描述领域概念及其之间的约束和联系，将其存储在Mysql数据库中，本体构建完成后以RDF/XML形式存储，用于网络本体语言(Web Ontology Language，OWL)或规则推理。使用Jieba分词与正则化技术对用户输入的自然语言进行分词处理，Jena推理引擎返回结果，采用Python Web的Django框架进行构建前台可视化界面。

2 高血压本体库构建

2.1 构建流程

高血压知识库平台构建流程，见图1。Studer等在1998年对本体定义为本体是共享概念明确的形式化规范说明[9]。本文参照《中国高血压防治指南2017》版，结合Python爬取的高血压网络数据、相关文献图书等资料，借鉴7步法和骨架法，采用美国斯坦福大学开发的本体编辑软件Protege 5.0软件进行本体的构建[10]。主要构建高血压的症状体征、检查检验、药物等。

图1 高血压知识库平台构建流程

2.2 本体模型

高血压本体模型，见图2。本文构建高血压的领域本体包括症状体征、检查检验和药物。其中症状体征主要表现为：头晕、恶心、呕吐、咳嗽、心悸、尿频、四肢麻木、下肢水肿等。检验检验主要包括血压、血尿素氮、肌酐、低高密度脂蛋白、胆固醇、三酰甘油等。抗高血压药物主要包括ACE和ARB、α受体阻滞剂、β受体阻滞剂、抗高血压药物、拮抗剂、利尿剂等。利用Protege 5.0为高血压本体构建3大类，分别是检查检验、药物、症状。Protege中有两个属性定义，分别是类属性和关系属性。检查检验类属性项目、结果、单位、参考值；药物类属性：药物名、副作用；症状类属性：症状名、症状概述。构建3个类之间的关系属性完成本体的构建。本体构建完成后以RDF/XML形式存储，用于OWL或规则推理。Jena是一个开源的Java语义网框架，可构建语义网和链接数据应用。Jena利用TDB组件将上述构建的RDF形式的高血压知识本体存储起来，再通过资源描述框架定义集(Resource Description Framework Schema，RDFS)、OWL以及Jena的Rule Reasoner进行本体推理，进一步自动识别补全数据，避免数据缺失、失真等情况。最后使用Fuseki组件，通过SPARQL语言对RDF数据进行查询，实现高效的知识提取。

图2 高血压本体模型

3 高血压知识库Web端

3.1 概述

利用Python Web框架构建高血压知识库。通过Python的Django框架开发高血压知识库的Web端界面[11]。用户在使用Web端进行查询时需要将输入的自然语言转换成计算机识别的SPARQL语句，因此要用Python正则Refo模块、中文分词Jieba模块，实现对高血压知识中字符串及词句段切、关键字提取等，将自然语言转化为SPARQL语句，解析返回查询结果。

3.2 Jieba分词

在Python的Jieba模块中加载自定义字典可实现对自然语言较准确的分词。以输入“高血压症状体征有哪些？”为例，利用Python的Jieba模块分词的部分代码和结果如下:

# jieba自动分词

words=jieba.cut(hyper_str)

print(′---------------默认分词效果jieba---------------′)

print(′/′join(words))

# 加载自定义字典

jieba.set_dictionary(′sym.txt′)

words=jieba.cut(hyper_str)

print(″------------加载自定义字典后，分词效果----------------″)

print(′/′join(words))

------------------jieba默认分词效果----------------------

高血压/疾病症状/有/哪些/？

---------------加载自定义字典后，分词效果---------------

高血压/疾病/症状/有/哪些/？

3.3 词性标注及关键字提取

为提高检索查询结果的效果和效率，需要对自然语言进行词性标注[12]。词性标注(Part-of-Speech Tagging)是指为分词结果中每个字符串标注一个词性，避免出现汉语歧义问题，进一步提高分词效率、精确度。对上述例句进行词性标注和关键词提取的部分代码和结果如下:

##词性标注及关键字提取

print(′--------------词性标注及关键字提取--------------′)

import jieba.posseg as pseg

words=pseg.cut(hyper_str)

for word,flag in words:

print(′%s %s′%(word,flag))

--------词性标注及关键字提取结果--------

高 a

血压 n

疾病 n

症状 n

有 v

哪些

？ x

3.4 正则Re及REfO

用户在Web端进行检索时会输入某些问题，本文采用正则为每个问题设定语义模板，主要使用Re和REfO两种正则模块，两者的区别是REfO适于任意序列的对象，而Re则是匹配字符串。用户在Web端进行检索时，平台首先利用Re模块将用户的问题分词处理后与Jena后端数据进行匹配，如果匹配成功则返回相应结果，否则失败。Re和REfO模块代码如下:

class W(Predicate):

def_init_(self,token=″.*″pos=″*)

# 正则表达式

self.token = re.compile(token + ″$″

self.pos = re.compile(pos+″$″

super(W,self)._init_(self.match)

def match(self,word):

m1 = self.token.match(word.token.decode(′utf-8′))

m2 = self.pos.match(word.pos)

return m1 and m2

def apply(self,sentence):

match =[]

for m in finditer(self.condition,sentece):

# m.span() 从头部匹配

i,j = m.span()

matches.extend(sentence[i:j])

return self.action(matches),self.condition_num

#规则集合

rules=[

Rule(condition_num=2,condition=disease_entity+Star(Any(),greedy=False)+zhengzhuang_keyword + Star(Any(),greedy=False),action=QuestionSet.has_zhengzhuang_question),

Rule(condition_num=2,condition=disease_entity+Star(Any(),greedy=False)+bingfazheng_keyword + Star(Any(),greedy=False),action=QuestionSet.has_bingfazheng_question),

Rule(condition_num=2,condition=disease_entity+Star(Any(),greedy=False)+yufang_keyword+Star(Any(),greedy=False),action=QuestionSet.has_yufang_question),

Rule(condition_num=2,condition=disease_entity+Star(Any(),greedy=False)+gaishu_keyword+Star(Any(),greedy=False),action=QuestionSet.has_gaishu_question),

Rule(condition_num=2,condition=disease_entity+Star(Any(), greedy=False)+zhiliao_keyword,action=QuestionSet.has_zhiiao_question),

Rule(condition_num=2,condition=Star(Any(),greedy=False)+yufang_keyword+disease_entity,action=QuestionSet.has_yufang_question),

.....

]

for rule in self.rules:

# print(rule)#

word_objects是一个列表，元素是包含词语和词语对应词性的对象query,num = rule.apply(word_objects)

最后利用Pycharm平台的Django项目来进行高血压知识库平台Web端界面的开发。利用腾讯云服务器部署LNMP环境。将所有项目数据上传，成功后启动Apache Jena Fuseki服务，在Python项目中启动manage.py，界面成功运行。

4 结语

本文利用本体技术构建高血压知识图谱，人工智能大数据技术处理自然语言，Python语言实现基于本体的高血压知识库平台开发。此平台可以辅助医生进行医疗活动，对公众进行高血压知识的普及，减缓就医难和医疗资源紧张等问题。基于本体的高血压知库平台构建为其他慢病(糖尿病等)知识库平台构建提供借鉴。后续的研究将对重庆市某医院的电子病历数据进行采集，进一步获取高血压的相关资料以对高血压本体进行完善。