随着互联网智能设备终端全球普及,其数据由不同行业、不同设备以多源、多维、多态的表现形式产生。以智慧医疗领域为例,有门诊、互联网的文字问诊数据,有诊疗过程中的HIS等系统产生的结构化数据,有检验过程中的图形数据,有预后随访的语音数据等。这些数据是否有效的利用,对于智慧医疗的发展有至关重要的作用。智慧医疗的实现,需要知识图谱技术与深度学习技术作为辅助。目前医疗行业其数据表现出的多源、多维、多态特征,亟需对医疗行业的数据进行信息抽取、分析、融合,形成可利用的多源多维多态信息融合的复杂数据应用。本文面向多源多维多态的医疗健康数据进行以下三点研究:1)研究医疗健康文本数据的知识抽取与融合方法。在知识抽取阶段,研究使用深度学习对中文医疗健康文本进行信息提取,改进基于共享参数的联合抽取模型,引入提高自然语言识别准确度的ALBERT预训练模型,针对中文识别需要进行分词的需求采用Lattice LSTM,之后进行实体标签与关系类别的输出;在知识融合阶段,研究基于Bi LSTM的医疗健康实体对齐方法,利用Bi LSTM对不同知识源的医疗健康实体进行特征匹配,实现多源知识的融合。2)研究基于文本数据的实体与意图识别方法。在用户问题文本实体识别阶段,研究基于自注意力机制的命名实体识别方法,利用Transformer编码结构获取上下文信息,识别用户问题中的目标实体;在意图识别阶段,研究基于ALBERT-Text CNN的意图识别方法,利用ALBERT与训练模型对用户输入文本进行嵌入,之后利用Text CNN进行特征提取,得到用户问题文本中的目标关系。提取完成目标实体与关系后,通过查询知识图谱对用户问题进行反馈。3)研究基于知识图谱的医疗健康数据的应用与实现。主要研究医疗健康数据应用的构建以及功能设计,对于用户需要满足自动化问诊、报告生成等医疗应用需求,并根据大数据技术对医疗健康数据应用进行技术架构与设计,使其在处理海量医疗健康数据时有良好表现,最终对数据应用中的自动化问诊部分功能进行实现。