0 引 言
面对突发的新型冠状病毒肺炎（corona virus disease 2019， COVID-19）疫情侵袭，科研、临床、防控一线相互协同和产学研各方紧密配合，为疫情防控提供了有力科技支撑。在运用大数据、人工智能等新技术方面，文献［
1］通过建立修改的SEIR模型预测COVID-19流行趋势；文献［
2］利用计算机视觉加速CT检测速度；文献［
3］构建一个COVID-19自动问答，进行心理辅导。
知识图谱在Google公司2012年提出后就有一系列的研究
［4~8］。特别是在医疗领域，目前已建有一些相关知识图谱
［9~17］。由于COVID-19是突发的流行病，有关它的知识图谱资源很少。白宫和一个研究小组联盟构建了COVID-19的开放研究数据集
［18］（CORD-19），该数据集包含了超过5.9万篇论文，以纯文本的形式给出，没有任何结构化的数据；Domingo
［19］构建了COVID-19知识图谱，这是一个基于SARS-CoV-2的科学文献构建的可扩展的因果网络，旨在对病理生理机制进行综述，该知识图谱只有10个实体类型和9484个三元组；COCID-Graph项目
［20］构建了一个COVID-19知识图谱，允许用户搜索相关冠状病毒家族的特定基因、作者、文章、专利、蛋白质、现有治疗方法和药物的潜在知识等。
为了有效地帮助研究人员与COVID-19战斗并向大众普及COVID-19知识，中国中文信息学会语言与知识计算专业委员会提出构建COVID-19开放知识图谱（OpenKG-COVID-19）项目，它涵盖了科研、事件、健康、概念、流行病、临床、英雄、防控、物资和百科等10个方面。该项目从2020年2月中旬开始实施，来自10个科研小组的研究人员，花费约1个月的时间共同完成了知识图谱的构建，所有作品都发布在中文开放知识图谱联盟（OpenKG.CN，
http：//openkg.cn/group/coronavirus）。我们作为其中的一个科研小组参与了COVID-19物资知识图谱构建，作为COVID-19开放知识图谱的子项目，它主要包括医用防护装备、日常防护用品、医用防护设施、医用诊疗设备以及治疗用药五大类。该知识图谱因其分类完善、覆盖面广，在许多其他知识图谱中都得到了应用，例如：COVID-19防控知识图谱中使用的所有物资都由COVID-19物资知识图谱提供，COVID-19健康知识图谱也与药品物资相关联等。
1 构 建
1.1 总体流程
由于物资的来源广泛，对待每一种数据来源都需要采用不同的方法来抽取其中有用的信息，因此本文结合自顶向下与自底向上两种方式半自动化构建知识图谱流程，如
图1所示。
COVID-19物质知识图谱的构建参考了经典的知识图谱构建流程
［21］，但又与之不同：第一，本体框架设计采用了人机结合的方式。物资的分类广泛，根据实际应用需要，总结出了五个应用分类；第二，整个知识图谱可以根据实际需求进行增量更新，在整体框架不进行大变动的情况下，对数据进行实时更新。
总体框架的第一步是进行本体框架设计，对物资的主体结构进行设计，以方便使用和实例增量更新；第二步是进行数据爬取，通过人工或者自动化的方法来获取有用的实体，并进行初步的去杂；第三步是知识融合，将在数据集中反复出现并且代表同一对象的实例进行融合，并去除那些信息量太小的实例；第四步双语构建，将知识图谱中所有的中文翻译成英文；第五步是质量评估，对所获得的知识图谱进行随机采样，并进行人工标注，以评估知识图谱的可靠性。
1.2 本体框架设计
本体框架设计包含了两个步骤：第一步，确定需求。构建COVID-19物资知识图谱的目的是为了更好地应用于实际。例如：COVID-19知识图谱医疗问答，不仅能让用户方便得到专业的医疗帮助，更能为医生提供医学参考。从此方面出发，COVID-19物资知识图谱应该包括在诊断、治疗、恢复过程中所需的各类医疗物资、生活物资、设备物资、药品物资等。第二步，构建模式层。模式层存储的是经过提炼的知识，通常采用本体库来管理知识图谱的模式层，借助本体库对公理、规则和约束条件的支持能力来规范实体、关系以及实体类型和属性等对象之间的联系，本文通过组内讨论的方式，确定了COVID-19物资知识图谱的模式层包括医用防护装备、医用防护设施、日常防护用品、医用诊疗设备以及治疗用药五大类，然后再根据实际需求，丰富各子类。
医用防护装备是指医护人员在对病人进行护理时需要穿戴的装备，一般包括口罩、医用防护服、医用手套、医用鞋套、隔离衣等等。武汉红十字会官网公布的捐赠物资包含了医护人员急需使用的物资。
医用防护设施包括在建立火神山、雷神山、方舱医院等医用建筑时，所使用的一切医用设施，比如医疗废物桶、非接触式洗手池、洗手池等。
日常防护用品指的是病人在医院救治时所使用的日常生活物资，包括消毒液、洗手液、洗发露等，在各大电商的抗“疫”专题里包含了丰富的日常防护物资。
医用诊疗设备指医护人员所使用的诊断、治疗设备，包括呼吸机、CT机、体外膜肺氧合机等，在专业的医疗器械网站可以找到许多设备的型号、功能等信息，另外通过查询全国卫生行业医疗器械、仪器设备分类与代码（
http：//www.nhc.gov.cn/wjw/s9502/201212/34017.shtml），对该部分的模式进一步细分。例如“医用诊疗设备”的子类包含：“外循环及血液处理设备”“常规检查设备”“氧疗设备”等，如
图2所示。
治疗用药包括中药、西药和方剂等各种药品，通过国家卫生健康委员会官网的《国家基本药物目录》收集到了常见的所有药品，并根据其目录构建了治疗用药的本体结构。
以上的每一个本体都进行了人工审核，以保证本体的可信度，整体本体框架结构如
图3所示。
1.3 数据获取
1.3.1 数据源
由于缺乏开源的医疗物资知识图谱，COVID-19物资知识图谱的数据来源主要包括政府公文、医药网站、百科类网站以及各大电商网站等，除了政府公文为非结构化数据外，其他网站的数据都为结构化数据。
1） 政府公文
国家卫生健康委员会（
http：//www.nhc.gov.cn）是我国的一个基本职能机构，主要职责是统筹规划医疗卫生和计划生育服务资源配置、组织制定国家基本药物制度、监督管理公共卫生和医疗服务等。因此，在该网站可以找到所有药品、医用器械等信息，并且在疫情期间，该网站发布了《新型冠状病毒肺炎诊疗方案》等多部推广类手册，手册中提及了大量物资实体。
武汉红十字会的核心业务是开展人道主义救援工作，其官网（
http：//www.wuhanrc.org.cn）会定期发布接受捐赠物资的情况，其中包含医用物资，可以作为COVID-19物资知识图谱的参考内容。
2） 医药网站
医脉通（
http：//www.medlive.cn）是一个专为临床医生提供专业医学信息服务的综合平台网站，其子网站用药参考包含了许多常见中西药及其药效等有用信息，这些信息都是依靠用户上传药品说明书，再由专家进行编辑整理出来的，可靠性高。
天成医疗（
https：//www.tecenet.com）是一个医疗器械交易及综合服务平台，其网站里面包含几乎所有常见的医疗器械，每一个产品页面还包含了产品品牌、产品型号等有用信息。
中国医疗器械网（
http：//www.cmdi.org.cn），现为中国医疗器械行业中最权威和专业的网络平台。内容涵盖热点、技术、医院、展会等资讯，省局和地方局的监管动态和产品质量等信息；提供专业数据库查询，办事指南。
医疗器械网 （
http：//www.chinamedevice.cn）则是生意宝旗下的一个医疗器械行业交流中心，包含产品招标采购等信息。
３） 百科类网站
百度百科和互动百科是我国国内权威的中文百科类网站，其医学条目与各大医学研究所进行合作编辑，所涵盖的医学条目的可信度也很高，并且两大网站的结构化数据最完整，是所有知识图谱的理想数据来源。COVID-19物资知识图谱将其作为医学网站数据的补充。
4） 电商网站
由于COVID-19疫情期间所需的物资不止包括医疗物资，还包括许多日常物资，但是这些物资并没有找到一个完整的类目，因此将各大电商网站的分类目录及其售卖商品信息添加到日常防护用品本体当中去，电商网站包括淘宝、京东等。
1.3.2 数据爬取
对于非结构化数据，比如政府公文，这类数据一般都是以PDF格式存储，由于不同的公文中使用的名称存在一定的差别，因此采用人工下载的方式，直接添加到实体库中。为了提高工作效率，我们使用了WebProtege（
https：//webprotege.stanford.edu）的多人协作功能。
对于结构化数据，比如各大电商平台、医药网站，采用Scrapy和Selenium结合的方式爬取数据，并将所有数据都以JSON文件格式存储。在爬取的过程中，同时对数据进行初步的清洗，主要是对缺省值、乱码以及无效值进行清洗。结构化数据与非结构化数据的示例如
图4。
1.4 知识融合
虽然通过数据爬取得到了大量结构化实体信息，但是其中可能包含大量的冗余和错误信息，数据之间的关系也是扁平化的，缺乏层次性和逻辑性，因此有必要对其进行清理和整合。本文的知识融合通过两种方法来实现：对于非结构化数据中的实体，由人工来判断实体所属的本体；对于结构化数据中的实体，通过语义相似度的方法来进行知识融合。
一般来说，知识融合
［22］包括两部分内容：实体链接和知识合并。实体链接（entity linking）旨在消除异构数据中的实体冲突、指向不明等一致性问题，将表示同一对象的多个实体归并为一个具有全局唯一标识的实体对象，并将实体链接到知识图谱中；知识合并是指在构建知识图谱时，可以从第三方知识图谱获取知识输入，由于缺乏相关的物资知识图谱，知识合并将作为COVID-19物资知识图谱未来扩展方向。在本文，实体链接的流程是，首先将各个实体进行属性对齐，然后根据各个属性的相似度，求加权的实体相似度，将超过阈值的实体合并，实现实体链接，最后将实体链接到对应的本体库。由于实体链接的准确率可以通过对比与实体相对应的属性来提升，因此把属性链接放在了第一步。而属性链接又包括两部分内容：属性键的规范化和属性值的规范化。爬取上述网站时，发现COVID-19物资属性键的冗余信息不多，可以直接通过属性映射表来链接，如
表1所示。
属性值的规范化通过判定属性值的类别来完成。首先，将属性值分为：是否型、数值型、字符串型三种。然后根据以下规则进行规范化：
1） 将所有是否型的键值规范化为“是”或者“否”。例如：淘宝爬取的数据中有“是否为国产”，其值一般为“国产”，需要将其规范化为“是”；
2） 将所有数值型的键值规范化为罗马数字。例如：医脉通中的药品净含量的单位有千克（kg）、克（g），将其规范为“克（g）”，而升（L）和毫升（mL）规范为“毫升（mL）”；
3） 字符串型的数据一般是去除其中的非文字字符。
1.5 双语构建
为了让世界各地的研究者都能方便地使用COVID-19物资知识图谱，通过使用有道翻译 （
http：//ai.youdao.com/），对所有中文部分进行翻译。在翻译过程中为了避免因空格造成的字符串错误，把所有空格替换成了下划线。由于机器翻译效果不一定完全符合需求，因此也对全部内容进行了人工纠正。
COVID-19物资知识图谱是通过JSON0-LD文件格式存储的，每一个本体都被分配了一个唯一的标签，如
图5中的“C207030213”，C代表的是Class，也就是本体，“C207030213”本体的中文标签就是“KN95口罩”，英文标签为“KN95_respirator”。
1.6 质量评估
COVID-19物资知识图谱数据质量评测需要人工来完成，考虑到总体数量较大，对每一个三元组都进行校验是不可行的，所以选用采样评测。为了让每个本体库中的实体都能接受评测，本文制定了如下的采样策略：
1） 若某种本体的实例个数小于或等于5个的，则全部采样；
2） 若实例个数大于5个且小于30个，采样系数为random（0，1）；
3） 若某种关系的实例个数大于或等于30个，采样系数是1/2×random（0，1）。
按以上方式共采样了475条三元组。为了得到更准确的质量评估效果，所有采样数据分发给5个人分别进行标注，这5个人都是参与了COVID-19知识图谱构建的专业人员，对正在构建的COVID-19知识图谱项目非常了解，标注的质量可以得到保障。
图6中展示了部分错误的示例，图中“（洗衣液）威露士衣物消毒除菌液”的“洗衣液”出错，其实应该是“消毒液”的一种，因此标注为错误，第三个数据也是同样的错误，所以也标注为错误。
根据预定义的标准：若一条三元组标注正确次数大于等于3，则判定标注正确，否则判定标注错误。将此方法应用于所有的三元组中，就可以得到三元组整体的准确率。
根据常规采样的策略，此次采样标注过程将重复3次，并取3次的结果平均值作为最终的准确率，此结果更能反映整体的质量。经过计算，第1次抽样标注的准确率为99.78%，第2次抽样标注的准确率为98.31%，第3次抽样标注的准确率为98.10%，故最终的准确率为98.73%，可以发现本文建立的COVID-19物资知识图谱的准确率非常高。
2 可视化与应用
2.1 图谱可视化展示
目前COVID-19物资知识图谱共收录了3 683条物资数据，包括医用诊疗设备、医用防护装备、医用防护设施、日常防护用品以及治疗用药五大类，
表2为这些类别的三元组统计数据。
本文将数据导入到WebVOWL进行可视化展示。
图7展示了物资本体的部分中文类属性。
可以发现，COVID-19物资知识图谱中的对象属性较少，这是由于物资的本体不具备太多的对象属性关系，整个知识图谱的本体层呈现树状结构，上下分明，相互独立。
图8展示的物资本体的部分英文类属性，所有属性均与
图7对应。通过对比可知，英文能正确表达中文语义。
2.2 应用
COVID-19物资知识图谱作为COVID-19开放知识图谱的基础，不仅可提供丰富的物资数据，而且还可以与其他COVID-19知识图谱融合，为用户提供更加完善的服务。
COVID-19防控知识图谱也是COVID-19开放知识图谱的子项目。
图9显示了COVID-19防控知识图谱与COVID-19物资知识图谱的融合。根据《新型冠状病毒肺炎防控方案》，针对不同的人群，在不同的场所下的防护措施存在差异。例如：对于企业工人，上岗前需要用“体温计”进行温度测量；工作时，需要佩戴“口罩”和“手套”；在室内，需要及时更换“空调滤芯”，并定期使用“含酒精消毒液”或者“含氯消毒液”进行消毒；对于儿童，建议随身携带“儿童湿巾”；出门时候佩戴“儿童口罩”等等。若需要更加深入地了解物资的基本功能与配置，COVID-19物资知识图谱还能提供详细的物资属性以供用户参考，不仅如此，知识图谱还提供了相关的物资链接，用户可以酌情购买。
疫情期间，很多人都会产生焦虑、烦躁等情绪，造成失眠、食欲不振，通过合理的心理辅导可以有效缓解这种情绪。哈尔滨工业大学社会计算与信息检索研究中心研发了一款COVID-19疫情心理援助问答系统（
http：//psyqa.8wss.com/#）（
图10），由上海交通大学医学院附属瑞金医院心理科提供心理问题专业解答。用户输入问题，然后与问答库中的问题进行匹配，返回与用户问题最相似的5个问题，由用户选择出符合自己需要的问题，系统将给出相应的答复。该系统与COVID-19物资知识图谱进行融合，可针对那些有感冒、发烧等症状的用户提供自测建议，并给出相应的医疗方案及药品购买意见，大大加强用户体验。
腾讯AI部门开发了一款与COVID-19相关的问答系统（
图11）。系统提供了一个疫情期间的常见问题列表，若用户未找到与自己契合的问题，可以通过提问来获得满意的答案。COVID-19物资知识图谱、COVID-19防控知识图谱、COVID-19健康知识图谱若应用在此系统中，不仅能提高系统回答的准确度，还可以通过知识图谱自动化增量更新不断地完善系统。
自然语言处理作为人工智能的掌上明珠，受到越来越多的青睐，而自然语言处理领域越来越多地与知识图谱进行结合，既可提高系统的可解释性，又可对系统进行实时更新，提高用户体验。
3 结 语
本文构建了OpenKG-COVID-19中的COVID-19物资知识图谱。物资的数据来源于互联网上的结构化数据和非结构化数据，通过知识融合对其中的重复数据进行合并，并根据实际需求进行模式设计；对COVID-19物资知识图谱进行了评估；通过COVID-19物资知识图谱的可视化展示，介绍了其可能的应用前景，相信这些资源能帮助在战“疫”中的研究者们。今后，会努力维护更新知识图谱，提高质量和覆盖率。
科技部国家重点研发计划(2019YFC1712500)
全军共用信息系统装备预先研究项目(31502030502)
京公网安备11010202008535号
PDF
(5248KB)
