在医疗领域中,随着患者数量及医学数据的增长,传统的医疗服务平台暴露出了数据管理效率低下、医疗导向服务不完善以及缺少常见疾病的知识普及等管理和服务缺陷。针对以上提到的问题和挑战,本文提出了基于多数据源医疗知识图谱的知识对话模型,以提升更精准的医疗服务。本文的主要工作如下:(1)面向多种医疗数据源,基于Neo4j数据库构建医疗知识图谱。一方面从多个数据源(中文医疗电子病历,在线医疗社区等)中收集不同种类的医疗信息以增加医疗知识图谱的丰富性。另一方面是数据抽取的方法,目的是提升数据收集的准确性和数据类型的多样性。因此,分别使用了两种方法进行数据抽取:基于注意力机制的Bi LSTM-CRF信息抽取模型和网络爬虫。在信息抽取模型中,将注意力机制引入到Bi LSTM-CRF模型中,使得模型能够对不同的实体分配不同的注意力权重,以提高模型的识别精度,该数据抽取方法的对象是医疗电子病历。针对在线医疗社区中的医疗数据,本文采用网络爬虫方法,提升知识图谱的丰富性。(2)面向实际中医疗问题的繁杂多样性,采用信息抽取模型作为自然语言理解模块,并采用DQN(Deep Q-Network)和医疗知识图谱提供的先验知识模块实现对话管理模块。医疗先验知识来自数据集中的统计结果,增强知识对话之间的联系,提升对话系统对医疗知识的理解。然后,采用基于模板的自然语言生成模块,生成便于用户理解的答案。最后,通过实验表明,融合医疗先验知识的对话模型能够更加精确地回答用户的问题,还提供相关医疗知识推荐。(3)针对构建的医疗知识图谱与医疗对话模型,采用flask框架与ECharts模块进行可视化研究。主要工作有:医疗知识图谱可视化与医疗知识对话模型可视化。医疗知识图谱的可视化能够更加清楚地展示医疗知识的深层联系,达到辅助诊断的效果。医疗知识对话模型的可视化能够提供更加直观的效果展示和便利的医疗服务;同时,也便于发现不足并进行改进。