摘要
抑郁症是一种普遍存在的心理障碍，这一状况严重影响着患者的身心健康。由于抑郁症特有的症状和影响，以及公众对抑郁症存在的误解，患者大多通过网上来了解抑郁症，然而网上返回的信息量大且杂乱无章，浪费患者大量的时间和精力，容易加重患者负担。因此，如何高效准确的获取抑郁症知识，满足患者的抑郁症知识需求，是亟待解决的问题。 知识图谱可以整合大量的信息，让杂乱无序的信息按照一定规则进行展示。问答系统是一种高效的知识服务体系，能够及时解答用户的提问。因此本文将知识图谱技术与问答领域结合，构建出基于知识图谱的抑郁症问答系统，实现了大量抑郁症知识的整合，用户可以直接获取抑郁症知识，达到了抑郁症知识服务和普及的目的。本文主要研究内容如下： （1）构建抑郁症知识图谱。通过爬取专业医疗网站的网页数据，以及在中国知网通过关键词下载抑郁症相关的文献数据。将这些数据进行整理和清洗之后，通过人工和基于模板的方式对数据进行抽取，然后使用基于规则和相似度算法进行知识融合，最后利用Neo4j提供的工具实现知识图谱数据的储存。 （2）命名实体识别算法研究。本文提出了名为融合对抗训练的多粒度命名实体识别模型（BERT-FGM-IDCNN-BiLSTM-CRF，BFIBC），该模型以预训练语言模型BERT（BidirectionalEncoderRepresentationsfromTransformers）为基础，结合迭代膨胀卷积（InterleavedDilatedConvolutionalNeuralNetwork，IDCNN）和双向长短期记忆网络（BidirectionalLongShort-TermMemory，BiLSTM），使得该模型可以获取不同粒度的文本特征，同时为增加模型的鲁棒性和稳定性，引入了快速梯度方法（FastGradientMethod，FGM）进行扰动。通过对比实验和消融实验验证，该模型在自建的抑郁症数据集和公共数据中与现有的一些方法相比，都取得了较好的结果。 （3）问答系统的设计与实现。系统以抑郁症知识图谱为数据源，以BFIBC命名实体模型为理解用户提问意图的关键算法，接着对系统进行需求分析、架构设计和流程设计，然后使用Web开发技术，实现了搜索内容可视化和抑郁症问答功能的系统。
NETL