买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉齐鲁工业大学(山东省科学院)申请的专利基于关系融合和信息融合的医疗实体消歧方法和装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN117312575B 。

龙图腾网通过国家知识产权局官网在2025-07-29发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202311278626.4，技术领域涉及：G06F16/36；该发明授权基于关系融合和信息融合的医疗实体消歧方法和装置是由鹿文鹏;张国标;吴晓明;管红娇;郑超群;董祥军;赵龙;任晓强;乔新晓;张维玉设计研发完成，并于2023-10-07向国家知识产权局提交的专利申请。

本基于关系融合和信息融合的医疗实体消歧方法和装置在说明书摘要公布了：本发明公开了基于关系融合和信息融合的医疗实体消歧方法和装置，属于人工智能、自然语言处理领域。本发明要解决的技术问题为如何使用自然语言处理技术增强医疗实体提及的上下文表示和候选医疗实体的表示，从而准确地判断医疗实体提及所对应的候选医疗实体。采用的技术方案为：①基于关系融合和信息融合的医疗实体消歧方法，该方法包括如下步骤：S1、构建医疗实体消歧知识库；S2、构建医疗实体消歧模型数据集；S3、构建医疗实体消歧模型；S4、训练医疗实体消歧模型。②基于关系融合和信息融合的医疗实体消歧装置，该装置包括：医疗实体消歧知识库构建单元、医疗实体消歧模型数据集构建单元、医疗实体消歧模型构建单元和医疗实体消歧模型训练单元。

本发明授权基于关系融合和信息融合的医疗实体消歧方法和装置在权利要求书中公布了：1.一种基于关系融合和信息融合的医疗实体消歧方法，其特征在于，该方法具体如下： S1构建医疗实体消歧知识库：下载官网上已经公布的医疗数据集，作为医疗实体消歧的原始数据； S2构建医疗实体消歧模型数据集：将S1下载得到的原始数据集进行预处理，将数据转换为json格式的数据； S3构建医疗实体消歧模型：构建编码模块、构建知识融合模块、构建交互模块、构建匹配模块； 其中，编码模块将得到的预处理后的数据转化为token向量，即将医疗实体提及的上下文和候选医疗实体转化为token向量，然后使用编码器分别对token向量进行编码，得到医疗实体提及的上下文表示和候选医疗实体的表示； 知识融合模块包括关系融合模块和信息融合模块；其中，关系融合模块首先对医疗实体提及的上下文C中的所有提及m＝{m1,...,mN}在知识图谱中进行检索，得到知识图谱检索的所有关系R＝{r1,...,rb}，然后通过关系图卷积神经网络将所有关系R编码得到医疗实体提及之间的关系信息表示最后，将得到的医疗实体提及的上下文表示Hc与医疗实体提及之间的关系信息表示Hr拼接，然后通过线性层得到增强的医疗实体提及的上下文表示Hc,r，下标N代表医疗提及的数量，下标b代表关系数量，上标r代表关系；信息融合模块首先对候选医疗实体在知识库中检索并编码得到候选医疗实体的同义词信息表示Hs，然后通过注意力机制将得到的候选医疗实体的表示He与候选医疗实体的同义词信息表示Hs融合，得到融合信息的候选医疗实体的表示He,s；再次对候选医疗实体在知识库中检索并编码得到候选医疗实体的类型表示信息Ht，然后将融合信息的候选医疗实体的表示He,s与候选医疗实体的类型信息表示Ht拼接，得到增强的候选医疗实体的表示He,s,t；上标s代表同义词，上标t代表类型； 交互模块将得到的增强的医疗实体提及的上下文表示Hc,r和得到的增强的候选医疗实体的表示He,s,t作为输入，首先计算两者之间的相似矩阵S，然后通过交叉注意力机制计算两者之间的相互作用，得到交互表示A； 匹配模块将得到的交互表示A作为输入，通过点积运算并使用softmax函数获得每个候选医疗实体的匹配得分，并选择得分最高的候选医疗实体； S4训练医疗实体消歧模型：将步骤S3构建的医疗实体消歧模型在步骤S2得到的医疗实体消歧模型的训练数据集上进行训练。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人齐鲁工业大学(山东省科学院)，其通讯地址为：250353 山东省济南市长清区大学路3501号齐鲁工业大学；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。