发布文件规范

发布文件介绍

文件命名

“汇知”医学知识图谱发布文件的名称由三个部分组成，每个部分通过下划线“_”分开。文件名称命名如：汇知医学知识图谱_“资源名称”_“发布日期”，文件名称之后为文件扩展名。

资源名称

文件名的“资源名称”描述了该文件所包含的内容信息。若该名称相同但发布时间不同，则说明文件中所涉及内容范围相同，且最近时间的为最新版本。

发布日期

文件名的“发布日期”描述了该文件发布日期，用于对“汇知”医学知识图谱资源的版本控制，标准格式为“YYYYMMDD”。

文件格式

“汇知”医学知识图谱发布文件分为两种：

• 文件包统一使用的压缩格式“.zip”；
• 单个数据文件统一使用UTF-8编码的文本文件“.txt”。

实体标识符

在“汇知”医学知识图谱中，每个概念或实例都为一个实体，每次发布时每个实体都有唯一的数字标识符表示，为19位的随机数值，不具备任何意义。

数据类型

• Long integer：长整型，64位无符号整数；
• String：字符型，指定长度的UTF-8文本；
• Number ：数值型，以‘0’到‘9’数字形式表示相应的值。

字段命名规范

第一行为标题行，文件中每列的字段名称，字段名称使用“小骆驼拼写法”（如entityTag）。

文件内容规范

数据表字段说明

“汇知”医学知识图谱数据表包括了所有知识图谱实体及关系的内容，表单的具体字段介绍如下：

表 1：数据表字段说明

• 实体与实体ID：标识本条三元组中的主语，并且为所有实体的唯一ID。
• 实体语义类型：标识本条三元组中作为主语实体的语义类型，具体对应OMAHA Schema中语义类型。
• 属性名称：标识本条三元组中的属性，具体对应OMAHA Schema中属性关系的名称。
• 值与值ID：标识本条三元组中的属性值。若本条三元组中的属性为数据属性时，值为具体的数据内容，值ID为空；若本条三元组中的属性为对象属性时，值为实体名，值ID为所对应的实体ID。
• 值语义类型：标识本条三元组中的属性值的语义类型。若本条三元组中的属性为对象属性时，值语义类型代表作为属性值的实体具体对应OMAHA Schema中属性关系的名称；若本条三元组中的属性为数据属性时，值语义类型则为空。
• 关系组：标识本条三元组所在的关系组，是一个非负整数。当group为0时，则代表本条三元组与其他三元组均不成组，当group不为0时，则表示本条三元组与其他相同group的三元组成组存在。
• 来源：表示本条三元组的来源和出处，可为空。

数据文件示例

数据文件示例如表2，每行表示一条关系，以三元组的方式，将实体与值通过指定的属性关系进行连接。

表2：知识图谱数据文件示例

***特殊属性解释***

*OMAHA概念ID

指该实体所对应的“OMAHA七巧板医学术语集”中的概念ID标识符。本条属性的建立是为了方便机构用户能够更好地将“汇知医学知识图谱”与“OMAHA七巧板医学术语集”结合起来应用。若实体无该属性，则代表该实体暂时无法映射到“OMAHA七巧板医学术语集”。

*等同于

为了方便企业更好地理解和使用“汇知”医学知识图谱，2022年2月，OMAHA对实体ID体系进行了更新，在新的实体ID体系中，每个实体名称+语义标签拥有唯一的实体ID，实体融合后用“等同于”关系来表示同义关系。

例如，在原来的实体ID体系中，“HIV感染”和“艾滋病”分别为实体ID“1567677480226606765”的名称和别称，表示二者的同义关系，三元组的组织方式如下：

而在新的实体ID体系中“1567677480226606765”表示“HIV感染”，“1638862616359641908”表示“艾滋病”，二者的同义关系则简化表示为：