在医疗健康领域,专业的病理知识和患者的就医诊疗记录大多保存在非结构化的文本中,其数据格式不一、结构多变、表达形式多重。知识图谱作为一种有向属性图,以三元组的形式保存两个实体之间的关系,其能够将知识表示成更容易被计算机识别和处理的形式,越来越多地出现在推荐系统、问答系统、电子商务、医疗辅助等各大应用中。将知识图谱技术和健康医疗相结合具有广阔的研究前景,目前开放知识图谱大都是规模巨大的百科式知识库,比如百度百科、维基百科等,中文领域十分缺乏高质量的面向健康医疗领域的知识图谱。针对以上问题,本文首先使用爬虫技术从在线问诊平台中爬取海量健康医疗知识语料集,利用深度学习技术训练模型实现医疗知识的提取,核心任务包括命名实体识别、关系抽取、知识融合等。将获取的医疗知识以三元组的形式保存进图关系数据库Neo4j中,实现从无到有地构建起一个完整的医疗知识图谱。最后在以上工作的基础上,借助Spark大数据处理框架高吞吐、低延迟的特性,设计并开发出一个基于知识图谱的实时医疗问答系统,实现对输入系统中的医疗相关问题快速做出回答,并且具有较高的准确率。本论文具体完成以下工作:(1)设计并开发网络爬虫系统。借助Scrapy爬虫框架实现从微医网、好大夫在线、寻医问药网等在线医疗平台抓取常见疾病及其症状简介数据、临床药物数据、病人问诊时医患对话数据等;接着首先对爬取到的原始数据进行清洗,主要包括删除空白数据和冗余数据;然后使用Han LP分词工具对文本数据进行中文分词、去除停用词,最后使用Word2Vec构建词向量。(2)训练BiLSTM-CRF模型实现命名实体识别。本文中需要识别的实体主要包括治疗方式、身体部位、疾病症状、医学检查、疾病名称等五大类医学实体,将识别出的实体使用BIO的标注方式进行标注,实验结果表明该算法具有不错的准确度。(3)抽取出实体间的关系。采用BiLSTM-ATT模型对已识别出的五大类实体之间的关系进行抽取,获取知识,具体包括某一疾病实体所表现出的症状信息、某一疾病的发病部位、针对某一疾病采取的医学检查方式和治疗方式等十种不同类别的关系。(4)将已获取的知识进行整合、消岐、再加工,把融合后的医疗知识保存进Neo4j数据库中,完成面向医疗健康领域知识图谱的构建。该图谱中共包含各类医疗实体4.4万余个,实体间关系近30万条。最后在此系统的基础上,使用Spark框架搭建出一个简单的实时在线医疗问答系统。