【云驻共创】知识计算如何让新冠药物筛查效率提升70%

当前新冠药物筛选的痛点

1、病毒机制，药物作用机制等研究，需要查询大量的科研文献，数据库等知识，知识获取效率低，不全面，当前知识文化水平及服务需求非常迫切。

2、抗病毒药物，病毒蛋白，病毒种类非常多，关系错综复杂，如何通过AI技术辅助科研人员进行药物筛选，提升药物筛选效率，是当前的难点和挑战之一。

3、医学数据种类繁多，未有效融合，缺少高效检索能力、交互式关联分析、智能化关系预测等知识化服务。

第一步：初步准备包括面向数据做数据准备、预处理，知识体系定义、样本进行标注。本体是知识图谱的范畴，需要抽取到知识图谱当中的实体关系，并对其进行严格的定义。比如，新冠科研知识图谱，那么应该包括哪些知识、病毒知识呢？ 对权威的科研文献网站，权威的数据库等等，需要把数据源进行很好的整理和准备，对数据进行预处理，甚至数据格式转换；最后，对样本进行标注。

第二步，知识建模做好知识抽取，知识体系定义，图谱构建。知识建模说白了就是要基于算法模型，做信息抽取，目的是能构建出来知识图谱，基于机器学，机器阅读理解信息抽取模型、语言模型、预训练模型，领域系列模型，例如medicalknowledge，knowledge。

知识建模优化方式有多种：

医学预监督信息抽取模型：华为云CHIEF框架，针对医学数据特点融入多类医学数据，优化信息抽提模型；

三元组信息抽取：基于联合学习的算法，预训练的模型的拼接，整个过程其实分为，主语的抽取部分和宾语加谓语的联合抽取的部分，主语抽取部分就是深度学习框架，去做主语的抽取

小样本学习优化：在少量标注的数据的情况下，比如说每类别关系只有3~5个标注样本的情况下，就可以启动抽取的工作，小样本抽取完之后可以滚出来更多的训练的数据，再进入到第二步联合学习模型，通过滚雪球的方式，可以很快把信息抽取的工作，快速的收敛，基本上就能达到非常不错的效果。

预训练模型优化：基于通用的语料（新闻、资讯）做预训练的模型。

知识建模经验总结：

第一点，远程监督技术是非常有用，可以基于词典，权威的数据库做远程监督，它的目的就是基于技术衍生出来更多的标注数据。通过小样本学习技术，启动信息抽取工作，然后迭代更新模型。

第二点，数据增强，指小样本技术，可以在标志数据很少的情况下，也可以启动工作，同时模型预训练加人工矫正思想也是可以复用的。

第三点，预训练模型，知识抽取要结合行业的特点，运用领域场景语料训练模型。

除此之外，新冠科研图谱构建与应用还需要运用到多轮知识图谱问答、图谱关系自动预测模型（智能关系预测）。

那要如何提升知识计算的效率呢?这就需要用到知识图谱，华为云知识计算平台提供多轮知识图谱问答能力，包含离线模块，模块主要是用来做模板学习，生成的查询模板，意图匹配的模型。例如，问题进来后需要做实体识别，概念识别，包括意图的理解和匹配，对话策略，对话状态的记录等。多轮知识图谱问答属于后端技术，在前端展示是以一种对话问答的机器人形式。

智能关系预测主要用途是挖掘出来某些病毒和蛋白之间的关系，比如说新冠病毒跟哪些蛋白有关系？然后蛋白又跟哪些药物有关系？目的就是说能够找到某个药物是不是真的能够作用到某些蛋白，再继续作用到某些病毒。这里运用到 了AutoML自研的算法，把整个网络结构自动的去做学习，同时还引入了 softmax函数，增强它的随机性，最后就是集成思想，提升模型能力。

总的来说，面向医疗行业的端到端知识计算平台提供能力如下：

提供统一的知识图谱底座，，给不同的科研机构，科研人员提供共享支持、应用。

医学科研者可以在搜索窗搜自己想要的东西，提供问答、机器人能力。

在算法方面，提供科研文献三元组抽取算法。

华为云知识计算解决方案，实现行业知识与AI结合的新路径

AI其实已经进入到很多的行业了，AI能力对于企业的降本增效，创收，盈利起到了非常大的价值。那么当前行业知识要如何和AI更好地结合呢？

华为云知识计算解决方案，利用计算机和人工智能技术，实现机器对知识的获取、建模、管理、应用等方面。围绕知识生命周期进行抽象和划分的，主要分为：

知识的获取：行业数据解析器、网页解析器、语音识别、专家标注、多模态信息抽取、文字识别等

知识建模：用合适的方式运用AI技术完成相应建模知识表征、图谱构建、知识融合、多模态表征、图嵌入、机理建模

知识管理：通过知识图谱或规则库，进行生命周期管理、质量管理、知识补全和维护

知识应用：最后体现的价值是在业务价值，业务价值体现在应用能力，包含知识搜索、智能对话、知识推荐、预测分析、知识推理等。

华为云知识图谱云服务，提供多人流水线的形式工具，可以让开发者或企业技术人员快速构建属于自己的知识图谱。本体设计通过可视化形式进行快速构建，信息抽取嵌入了预制信息抽取算法的模板，知识服务面向企业场景，可通过一键开启的形式，提供搜索、实体链接、问答以及可视化等主流的应用。

企业知识计算案例分享，从行业知识+AI到知识计算平台及应用

除了运用在药物科研领域，华为云知识计算平台，还可以应用在金融领域知识问答、汽车维修知识计算、汽车对话机器人构建Demo、油气领域知识计算等场景

金融领域知识问答：主要面向网点咨询场景，首先给银行构建网点邮件时间，办理业务等等知识图谱，提供问答应用，多轮多场景的自由式交互，同时也支持语义方面的理解。

汽车维修知识计算：通过平台和工具，快速把问答应用构建，通过知识图谱的形式，把分散在各地的数据进行汇总和建模，提供多轮问答的应用,最后维修技师通过语音的形式和应用完成交互。

汽车对话机器人构建Demo：不仅运用到了知识图谱技术，还用到了ocr技术，通过ocr技术扫描车的参数，、型号、发动机类型等纸质信息进行电子化，做表格的抽取，进行知识图谱的构建，基于结构化数据，自动构建本体。问答对话机器人应用自动一键开启。

油气领域知识计算：油气开采涉及到如何精准识别哪个深度有油？此场景下，主要用到知识图谱的图嵌入表示，即是知识表征技术，然后结合深度学习预测方法预测结果，做一定的人工的分析，模型还要结合其他的相关的报告给专家做辅助，目的是让他们能够在测井解释过程当中，提升效率，节省时间的开销。

结语：

AI作为新的通用目的技术，正在进入千行百业，未来的人工智能将会把知识、数据、算法和算力四要素结合同时发力，才能够构建出更好的AI，让AI落地到各行各业当中。

AI 知识图谱

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。