(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210325012.6 (22)申请日 2022.03.30 (71)申请人 上海夏先机电科技发展 有限公司 地址 200540 上海市金山区枫泾镇环东 一 路65弄13号1331室 (72)发明人 刘成良　田圆圆　刘金磊　陶建峰　 (74)专利代理 机构 上海锻创知识产权代理有限 公司 314 48 专利代理师 韩冰 (51)Int.Cl. G16H 50/20(2018.01) G06K 9/62(2022.01) G06F 16/36(2019.01) G06F 16/903(2019.01) (54)发明名称 知识图谱权 重的增量式训练方法及系统 (57)摘要 本发明提供了一种知识图谱权重的增量式 训练方法及系统， 包括： 通过疾病诊断数据集中 的训练集对 单轮权重训练模型进行训练， 得到疾 病诊断模型； 通过测试集和疾病诊断模型进行疾 病诊断， 得到疾病诊断的正确率和症状疾病对出 现的次数， 并对疾病诊断模型进行修正。 与现有 技术相比， 本发明通过用数据来训练权重的方 式， 解决用知识图谱做疾病辅助诊断时正确率低 的问题， 通过数据和类别增量的方式， 解决症状 疾病数据集难以一次性收集全面， 从而限制全科 室知识图谱使用范围的问题， 实现了知识图谱疾 病诊断能力阶梯式上升， 有效地提高了疾病辅助 诊断的正确率和扩大了知识图谱的使用范围。 权利要求书2页 说明书6页 附图1页 CN 114724703 A 2022.07.08 CN 114724703 A 1.一种知识图谱权 重的增量式训练方法， 其特 征在于， 包括： 步骤1： 通过疾病诊断数据集中的训练集对单轮权重训练模型进行训练， 得到疾病诊断 模型； 步骤2： 通过所述疾病 诊断数据集中的测试集和所述疾病诊断模型进行疾病 诊断， 得到 所述疾病诊断的正确率和症状疾病对出现的次数； 步骤3： 通过所述疾病 诊断的正确率和症状疾病对出现的次数， 对疾病 诊断模型进行修 正。 2.根据权利要求1所述的知识图谱权重的增量式训练方法， 其特征在于， 在所述步骤1 之前， 还包括： 步骤001： 获取初始数据集； 步骤002： 构建医学知识图谱， 并根据中文症状库， 将所述医学知识图谱中的症状实体 和疾病实体进行 标准化； 步骤003： 将所述初始数据集中的疾病实体和症状实体链接到标准化后的所述医学知 识图谱中， 得到所述疾病诊断数据集。 3.根据权利要求1所述的知识图谱权重的增量式训练方法， 其特征在于， 所述步骤1， 包 括： 步骤101： 通过疾病诊断数据集中的训练集对单轮权重训练模型进行训练， 得到所述单 轮权重训练模型输出的第一权 重和第二权 重； 步骤102： 根据所述第一权 重和所述第二权 重， 确定所述疾病诊断模型。 4.根据权利要求1或3所述的知识图谱权重的增量式训练方法， 其特征在于， 所述步骤 3， 包括： 步骤301： 通过所述正确率和所述症状疾病对出现的次数， 构建学习进度增长模型； 步骤302： 通过所述学习进度增长模型 得到学习进度数据； 步骤303： 通过所述学习进度数据对所述疾病诊断模型中的所述第一权重和所述第二 权重进行修 正。 5.根据权利要求4所述的知识图谱权重的增量式训练方法， 其特征在于， 所述步骤301， 包括： 步骤3011： 以所述症状疾病对出现的次数作为输入， 所述正确率作为输出， 确定模型参 数； 步骤3012： 通过 所述模型参数， 确定所述学习进度增长模型。 6.一种知识图谱权 重的增量式训练系统， 其特 征在于， 包括： 模块M1： 通过疾病诊断数据集中的训练集对单轮权重训练模型进行训练， 得到疾病诊 断模型； 模块M2： 通过所述疾病诊断数据集中的测试集和所述疾病诊断模型进行疾病诊断， 得 到所述疾病诊断的正确率和症状疾病对出现的次数； 模块M3： 通过所述疾病诊断的正确率和症状疾病对出现的次数， 对疾病诊断模型进行 修正。 7.根据权利要求6所述的知识图谱权重的增量式训练系统， 其特征在于， 在所述模块M1 之前， 还包括：权　利　要　求　书 1/2 页 2 CN 114724703 A 2子模块M001： 获取初始数据集； 子模块M002： 构 建医学知识图谱， 并根据中文症状库， 将所述医学知识图谱中的症状实 体和疾病实体进行 标准化； 子模块M003： 将所述初始数据集中的疾病实体和症状实体链接到标准化后的所述医学 知识图谱中， 得到所述疾病诊断数据集。 8.根据权利要求6所述的知识图谱权重的增量式训练系统， 其特征在于， 所述模块M1， 包括： 子模块M101： 通过疾病诊断数据集中的训练集对单轮权重训练模型进行训练， 得到所 述单轮权 重训练模型输出的第一权 重和第二权 重； 子模块M102： 根据所述第一权 重和所述第二权 重， 确定所述疾病诊断模型。 9.根据权利要求6或8所述的知识图谱权重的增量式训练系统， 其特征在于， 所述模块 M3， 包括： 子模块M301： 通过所述正确率和所述症状疾病对出现的次数， 构建学习进度增长模型； 子模块M302： 通过所述学习进度增长模型 得到学习进度数据； 子模块M303： 通过所述学习 进度数据对所述疾病诊断模型中的所述第 一权重和所述第 二权重进行修 正。 10.根据权利要求9所述的知识图谱权重的增量式训练系统， 其特征在于， 所述子模块 M301， 包括： 单元D3011： 以所述症状疾病对出现的次数作为输入， 所述正确率作为输出， 确定模型 参数； 单元D3012： 通过 所述模型参数， 确定所述学习进度增长模型。权　利　要　求　书 2/2 页 3 CN 114724703 A 3