糖尿病电子病历实体及关系标注语料库构建

电子病历是医疗信息的重要来源,包含大量与医疗相关的领域知识。该文从糖尿病电子病历文本入手,在调研了国内外已有的电子病历语料库的基础上,参考I2B2实体及关系分类,建立了糖尿病电子病历实体及实体关系分类体系,并制定了标注规范。利用实体及关系标注平台,进行了实体及关系预标注及多轮人工校对工作,形成了糖尿病电子病历实体及关系标注语料库(Diabetes Electronic Medical Record entity and relation Corpus, DEMRC)。DEMRC共包含8 899个实体、456个实体修饰及16 564个关系,对其进行一致性评价和分析,发现实体及关系标注一致性达到了0.854 2和0.941 6。针对实体识别和实体关系抽取任务,分别采用基于迁移学习的BiLSTM-CRF模型和RoBERTa模型进行初步实验,并对语料库中的各类实体及关系进行评估,为后续糖尿病电子病历实体识别、关系抽取研究及糖尿病知识图谱构建打下基础。

基于知识图谱技术的上市企业产业链风险预测

随着产业互联网的飞速发展,面对海量的产业数据,构建知识图谱等自然语言处理应用需求逐渐增长。产业信息的有效管理和挖掘有助于及时发现所面临的风险和机遇,产业链风险预测可以为监管部门提供产业风险预警手段。针对以上问题,本文以知识图谱相关知识为科学依据,提出了基于知识图谱技术的产业文本数据实体标注准则,对海量上市公司产业信息进行知识抽取,形成自上而下的三维产业知识图谱。同时研究了上市企业产业知识图谱特定产业链知识的内在联系,总结规律并结合产业链往年时序图特征信息实现图谱推理,成功的对产业链中上市企业市值等信息进行了预测和分析。