基于大语言模型提取的心理躯体病知识图谱模块的邻近关系研究
人工智能
2024-12-25 v1
摘要
随着社会变迁加速，心理躯体病的发病率显著增加，已成为全球健康问题中的重大挑战。这 necessitates 创新的数据知识体系和分析方法，以辅助诊断和治疗。本研究构建了本体模型和实体类型，运用 BERT 模型和 LoRA 微调的大语言模型进行命名实体识别，构建包含 9668 条三元组的知识图谱。随后，通过分析疾病、症状和药物模块之间的网络距离，发现疾病之间网络距离更近可预测其临床表现、治疗方式和心理机制的相似性更大，症状之间的距离更近表明它们更可能共现。最后通过比较邻近距离 d 和邻近 z-score 发现，症状-疾病对中处于主要诊断关系的配对，其关联性更强、参考价值更高于诊断关系中的配对。研究结果揭示了疾病、共现症状以及治疗策略相似性之间的潜在联系，为心理躯体病的诊断和治疗提供了新视角，为未来精神健康研究和实践提供了宝贵信息。
引用
@article{arxiv.2412.18419,
title = {Research on the Proximity Relationships of Psychosomatic Disease Knowledge Graph Modules Extracted by Large Language Models},
author = {Zihan Zhou and Ziyi Zeng and Wenhao Jiang and Yihui Zhu and Jiaxin Mao and Yonggui Yuan and Min Xia and Shubin Zhao and Mengyu Yao and Yunqian Chen},
journal= {arXiv preprint arXiv:2412.18419},
year = {2024}
}