1.一种跨语言的医学知识图谱构建方法，其特征在于，包括：基于不同语言的医疗标准，通过将生成的跨语言且异构的数据集中的概念与关系进行融合，获取跨语言的概念知识图谱；通过对来自医院、开放数据集和社交数据集中所述不同语言的电子病历进行实体、事件和关系的抽取与融合，获取跨语言的实例知识图谱；将所述跨语言的概念知识图谱与所述跨语言的实例知识图谱相结合，形成跨语言的事实知识图谱；所述获取跨语言的概念知识图谱的步骤具体包括：将所述不同语言的医疗标准在所述不同语言间进行互相映射，生成统一的跨语言医疗规则知识库，所述跨语言医疗规则知识库为跨语言且具有异构特征的数据集；利用机器学习算法，对所述跨语言且异构的数据集中的概念和关系分别进行相互融合，生成所述跨语言的概念知识图谱；所述利用机器学习算法，对所述跨语言且异构的数据集中的概念和关系分别进行相互融合的步骤具体包括：利用机器学习算法，并结合医生的先验知识，对所述跨语言且异构的数据集中的概念和关系分别进行相互融合；所述利用机器学习算法，并结合医生的先验知识，对所述跨语言且异构的数据集中的概念和关系分别进行相互融合的步骤具体包括：根据医生的输入设置，将实体关系模型中的列映射到资源描述框架模型中概念知识图中的节点，并根据医生输入的常用医学概念，以与所述跨语言医疗规则知识库中的数据相同的格式，在所述跨语言医疗规则知识库中添加新的医学概念；根据医生输入的同义词，对所述跨语言医疗规则知识库中的同义词进行定义，并结合资源描述框架模型中概念知识图中的所述节点、所述新的医学概念和定义的同义词，利用机器学习算法，对所述概念和所述关系分别进行相互融合。
2.根据权利要求1所述的跨语言的医学知识图谱构建方法，其特征在于，所述获取跨语言的实例知识图谱的步骤具体包括：分别从医院、所述开放数据集和所述社交数据集中收集所述不同语言的电子病历，并对所述电子病历分别进行实体提取、事件提取和关系提取，对应生成实体语料库、事件语料库和关系语料库；利用机器学习算法，对所述实体语料库、所述事件语料库和所述关系语料库进行融合，生成所述跨语言的实例知识图谱。
3.根据权利要求1所述的跨语言的医学知识图谱构建方法，其特征在于，在所述生成所述跨语言的概念知识图谱的步骤之后，还包括：利用机器学习算法，并结合医生的先验知识，在所述跨语言的概念知识图谱中添加新的跨语言链接，或者，更新所述跨语言的概念知识图谱中的跨语言链接。
4.根据权利要求3所述的跨语言的医学知识图谱构建方法，其特征在于，所述利用机器学习算法，并结合医生的先验知识，在所述跨语言的概念知识图谱中添加新的跨语言链接的步骤具体包括：基于医生输入的医学实例，利用机器学习算法，提取使用频率超过设定限制的医学概念和关系，并将提取的医学概念和关系形成第一候选跨语言链接；利用机器学习算法，从所述跨语言的概念知识图谱中发掘第二候选跨语言链接，并对所述第一候选跨语言链接和所述第二候选跨语言链接进行筛选，获取权重较高者作为所述新的跨语言链接，添加至所述跨语言的概念知识图谱中。
5.根据权利要求1所述的跨语言的医学知识图谱构建方法，其特征在于，所述将所述不同语言的医疗标准在所述不同语言间进行互相映射的步骤具体包括：分析所述医疗标准的词汇特征，获取所述医疗标准中各字符串分别对应的唯一代码，并将所述唯一代码映射到所述医疗标准的源词汇表；基于所述源词汇表，获取所述唯一代码对应的源词汇，并通过所述源词汇映射所述医疗标准中包含的医学概念和关系的唯一识别码；根据所述唯一识别码，将所述不同语言的医学概念和关系分别进行相互映射。
6.根据权利要求2所述的跨语言的医学知识图谱构建方法，其特征在于，所述对所述电子病历分别进行实体提取、事件提取和关系提取的步骤具体包括：根据医生输入的先验医学知识，生成第一提取规则，并基于所述电子病历的语义模式和用户需求，生成第二提取规则；利用机器学习算法，基于所述第一提取规则和所述第二提取规则，对所述电子病历分别进行实体提取、事件提取和关系提取，并在实体提取和关系提取过程中，根据医生的输入设置，对提取的实体和关系进行基于实体语料库的序列注释。
7.一种跨语言的医学知识图谱构建装置，其特征在于，包括：第一知识图谱构建模块，用于基于不同语言的医疗标准，通过将生成的跨语言且异构的数据集中的概念与关系进行融合，获取跨语言的概念知识图谱；第二知识图谱构建模块，用于通过对来自医院、开放数据集和社交数据集中所述不同语言的电子病历进行实体、事件和关系的抽取与融合，获取跨语言的实例知识图谱；知识图谱输出模块，用于将所述跨语言的概念知识图谱与所述跨语言的实例知识图谱相结合，形成跨语言的事实知识图谱；所述获取跨语言的概念知识图谱的步骤具体包括：将所述不同语言的医疗标准在所述不同语言间进行互相映射，生成统一的跨语言医疗规则知识库，所述跨语言医疗规则知识库为跨语言且具有异构特征的数据集；利用机器学习算法，对所述跨语言且异构的数据集中的概念和关系分别进行相互融合，生成所述跨语言的概念知识图谱；所述利用机器学习算法，对所述跨语言且异构的数据集中的概念和关系分别进行相互融合的步骤具体包括：利用机器学习算法，并结合医生的先验知识，对所述跨语言且异构的数据集中的概念和关系分别进行相互融合；所述利用机器学习算法，并结合医生的先验知识，对所述跨语言且异构的数据集中的概念和关系分别进行相互融合的步骤具体包括：根据医生的输入设置，将实体关系模型中的列映射到资源描述框架模型中概念知识图中的节点，并根据医生输入的常用医学概念，以与所述跨语言医疗规则知识库中的数据相同的格式，在所述跨语言医疗规则知识库中添加新的医学概念；根据医生输入的同义词，对所述跨语言医疗规则知识库中的同义词进行定义，并结合资源描述框架模型中概念知识图中的所述节点、所述新的医学概念和定义的同义词，利用机器学习算法，对所述概念和所述关系分别进行相互融合。
8.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时，实现如权利要求1至6中任一项所述的跨语言的医学知识图谱构建方法的步骤。
9.一种非暂态计算机可读存储介质，其上存储有计算机指令，其特征在于，所述计算机指令被计算机执行时，实现如权利要求1至6中任一项所述的跨语言的医学知识图谱构建方法的步骤。
