Published February 20, 2022
| Version v1
Publication
Open
A New Approach of Question Answering based on Knowledge Graph in Traditional Medicine
Creators
- 1. Hanoi University of Science and Technology
- 2. Thuyloi University
- 3. Vietnam National University, Hanoi
- 4. Hung Yen University of Technology and Education
Description
In recent years, it has been great interest for Question Answering (QA) systems applied to many areas placing a high value on the community.The study and development of such QA systems through chatbot tools in medicine raise great needs for clinicians in their daily activities.Chatbots use the knowledge that could be retrieved from a database, but with limited inference capability.In this paper, we propose a new QA system based on Knowledge Graph (knowledge graph) for Traditional Medicine.Data of the knowledge graph is obtained from two sources including those from diagnostic of treatment diagrams and those collected on well-known medical websites through the Internet.The knowledge graph is then formed by combining the entities and relationships using the Named Entity Recognition (NER) model.Diagnosis is made via the node similarity algorithm in the knowledge graph for symptom identification.The effectiveness of the system is demonstrated through theoretical analysis and real-world experimental outcomes.
Translated Descriptions
⚠️
This is an automatic machine translation with an accuracy of 90-95%
Translated Description (Arabic)
في السنوات الأخيرة، كان هناك اهتمام كبير بأنظمة الإجابة على الأسئلة (QA) المطبقة على العديد من المجالات التي تضع قيمة عالية على المجتمع. إن دراسة وتطوير أنظمة ضمان الجودة هذه من خلال أدوات روبوت الدردشة في الطب تثير احتياجات كبيرة للأطباء في أنشطتهم اليومية. تستخدم روبوتات الدردشة المعرفة التي يمكن استردادها من قاعدة بيانات، ولكن مع قدرة استدلال محدودة. في هذه الورقة، نقترح نظام ضمان جودة جديد يعتمد على الرسم البياني المعرفي (الرسم البياني المعرفي) للطب التقليدي. يتم الحصول على بيانات الرسم البياني المعرفي من مصدرين بما في ذلك تلك المأخوذة من تشخيص مخططات العلاج وتلك التي تم جمعها على مواقع طبية معروفة عبر الإنترنت. ثم يتم تشكيل الرسم البياني المعرفي من خلال الجمع بين الكيانات والعلاقات باستخدام نموذج التعرف على الكيان المسمى (NER). يتم التشخيص عبر خوارزمية تشابه العقدة في الرسم البياني المعرفي لتحديد الأعراض. يتم إثبات فعالية النظام من خلال التحليل النظري والنتائج التجريبية في العالم الحقيقي.Translated Description (French)
Ces dernières années, il a suscité un grand intérêt pour les systèmes de réponse aux questions (AQ) appliqués à de nombreux domaines accordant une grande valeur à la communauté. L'étude et le développement de ces systèmes d'AQ par le biais d'outils de chatbot en médecine soulèvent de grands besoins pour les cliniciens dans leurs activités quotidiennes. Les chatbots utilisent les connaissances qui pourraient être extraites d'une base de données, mais avec une capacité d'inférence limitée. Dans cet article, nous proposons un nouveau système d'AQ basé sur le Knowledge Graph (graphe de connaissances) pour la médecine traditionnelle. Les données du graphe de connaissances sont obtenues à partir de deux sources, y compris celles du diagnostic des diagrammes de traitement et celles collectées sur des sites Web médicaux bien connus via Internet. Le graphe de connaissances est ensuite formé en combinant les entités et les relations à l'aide du modèle de reconnaissance d'entités nommées (ner). Le diagnostic est effectué via l'algorithme de similarité des nœuds dans le graphe de connaissances pour l'identification des symptômes. L'efficacité du système est démontrée par l'analyse théorique et les résultats expérimentaux réels.Translated Description (Spanish)
En los últimos años, ha habido un gran interés por los sistemas de respuesta a preguntas (QA) aplicados a muchas áreas que otorgan un alto valor a la comunidad. El estudio y desarrollo de dichos sistemas de QA a través de herramientas de chatbot en medicina plantea grandes necesidades para los médicos en sus actividades diarias. Los chatbots utilizan el conocimiento que podría recuperarse de una base de datos, pero con una capacidad de inferencia limitada. En este documento, proponemos un nuevo sistema de QA basado en el Gráfico de conocimiento (gráfico de conocimiento) para la Medicina Tradicional. Los datos del gráfico de conocimiento se obtienen de dos fuentes, incluidas las del diagnóstico de diagramas de tratamiento y las recopiladas en sitios web médicos conocidos a través de Internet. El gráfico de conocimiento se forma combinando las entidades y relaciones utilizando el modelo de Reconocimiento de Entidades Nombradas (Ner). El diagnóstico se realiza a través del algoritmo de similitud de nodos en el gráfico de conocimiento para la identificación de síntomas. La efectividad del sistema se demuestra a través del análisis teórico y los resultados experimentales del mundo real.Files
44.pdf.pdf
Files
(268.1 kB)
| Name | Size | Download all |
|---|---|---|
|
md5:5c9530d0085e64daa257a133a61cb13e
|
268.1 kB | Preview Download |
Additional details
Additional titles
- Translated title (Arabic)
- نهج جديد للإجابة على الأسئلة بناءً على الرسم البياني المعرفي في الطب التقليدي
- Translated title (French)
- Une nouvelle approche de la réponse aux questions basée sur le graphique des connaissances en médecine traditionnelle
- Translated title (Spanish)
- Un nuevo enfoque de respuesta a preguntas basado en el gráfico de conocimientos en medicina tradicional
Identifiers
- Other
- https://openalex.org/W4361029876
- DOI
- 10.15439/2022r44
References
- https://openalex.org/W2102549231
- https://openalex.org/W2896457183
- https://openalex.org/W3016258141
- https://openalex.org/W3035390927
- https://openalex.org/W3037629977
- https://openalex.org/W3098637735
- https://openalex.org/W3110926354
- https://openalex.org/W3118632661
- https://openalex.org/W3126594737
- https://openalex.org/W3177049011
- https://openalex.org/W776871969