随着我国医疗机构数字化进程的加快,医疗机构数据库中积累了大量的多源异构诊疗记录、电子病历数据。大型电子病历语料库的使用,使得高质量的数字化医疗服务成为可能,特别是对利用电子病历实现信息检索任务。电子病历信息检索主要技术包括自然语言处理和机器学习。电子病历数据的不完整性和医学知识的复杂性导致信息检索精确度仍旧较低,现存的主要挑战包括医疗概念的高效向量化表示、就诊患者的合理向量化表示,以及有效的医学诊疗知识的表示和检索等。对此,本论文基于语义空间建模实现电子病历信息检索,并搭建了基于知识图谱语义空间的医疗信息问答检索系统。主要研究内容如下:本论文提出了一种基于医疗概念语义空间建模的电子病历信息检索算法。在医疗概念语义空间建模过程中,通过结合电子病历的时序特点和医疗概念的病程特点,提出了一种考虑时间属性的医疗概念词嵌入建模方法,获得了具有时间表达能力的医疗概念词嵌入表示。在患者表征建模过程中,深入分析电子病历的结构特征、调查分析患者就诊的实际情况,针对数据特点探究患者发病的趋势规律,提出基于时间衰减因子的患者表征方法。在信息检索建模过程中,利用机器学习分类方法对患者进行前瞻性信息检索。最后,在真实电子病历数据集上的实验验证了算法有效性。本论文设计并实现了基于知识图谱语义空间的医疗信息问答检索系统。构建医疗知识图谱过程中,在传统基于表结构的医疗知识存储和表示的基础上,提出一种基于知识图谱的医疗知识表示方法,以疾病为核心实体,梳理重要属性,建模和表示多类型实体在医学诊疗实际中的关联关系,构建医疗知识图谱。进一步地,针对输入的医疗相关问题进行诊疗意图理解,基于医疗知识图谱和诊疗意图检索相关医疗信息知识,实现医疗信息检索辅助诊疗决策的功能。