近年来，循证公共卫生决策由于其依靠证据进行决策的特点，逐渐成为公共卫生领域政策制定的重要方式。尤其是新冠肺炎疫情暴发以来，与新冠肺炎疫情相关的科学研究文献、新闻、社交媒体等文本信息不断涌现，这为循证公共卫生决策奠定了广阔的证据基础。但是，传统的循证公共卫生决策一般采用人工筛选证据，而进入数智时代，面对海量的原始证据文本，需要采用智能化、自动化技术来对证据进行挖掘、抽取和综合。在此背景下，本文探索基于海量、多源的公共卫生证据信息的自动知识图谱循证，为公共卫生管理决策提供支撑。该研究工作对于提升公共卫生领域证据获取的效率，推动信息抽取技术在循证公共卫生领域的应用，具有重要的应用价值。

本论文分别基于公共文献、公共卫生微博和流调报告进行知识图谱循证。论文的主要工作和创新点归纳如下：

1. 基于公共卫生文献的知识图谱循证

新冠肺炎疫情期间，评估非药物干预措施的有效性对于疫情防控至关重要。为了解决这个问题，研究人员于疫情早期发表了大量新冠肺炎疫情相关的建模研究文献，这类文献通过建模研究的方法模拟不同国家和地区在不同时间段时非药物干预措施施行后产生的影响。在不具备随机对照实验研究的条件下，这类文献被视为较为可靠的循证公共卫生决策的证据来源。为此，本文基于该类文献的摘要标注并构建篇章级信息抽取数据集，并基于该数据集提出了一种融合半监督学习算法的篇章级信息抽取方法。该方法以一种先进的多任务信息抽取模型为基础，能够充分抽取篇章级的实体、关系和共指实体等相关信息，只需较少的标注数据就可以获得较高的准确率。相比基线模型，本文提出的方法在实体抽取任务上的F1得分相对提高5.3%，在关系抽取任务上的F1得分相对提高4.5%。此外，为了支撑循证公共卫生决策，本文呈现了两个案例分析，分别是封城有效性的效果评估荟萃分析以及非药物干预措施效果的知识图谱，验证了上述信息抽取方法的有效性。

2.基于公共卫生微博的知识图谱循证

当疫情防控政策施行后，社交媒体中的文本信息一定程度上会反映政策导致的结果，这可以作为政策制定和调整的参考依据。为了探究新冠肺炎疫情期间施行的一系列疫情防控措施产生的影响，本文基于公共卫生相关微博，标注同一个句子中的疫情防控政策及其结果事件，构建因果关系抽取数据集。并且，本文利用一种基于文本片段排列的实体关系抽取模型进行因果关系抽取。实验结果表明尽管该模型结构简单，但是性能优越，适合该任务场景。在精确匹配的评价指标下，“影响”、“防控政策”以及“防控政策子类型”的F1得分分别提高0.04、0.09以及0.09， “防控政策-影响”以及“防控政策子类型-影响”的F1得分均提高0.11。以我国新冠肺炎疫情早期施行的非药物干预措施政策进行案例分析，分析结果表明知识图谱循证可以有效呈现防控政策及其影响之间的关系。

3.基于流行病学调查报告的知识图谱循证

基于流行病学调查报告生成的确诊病例传播关系图谱可以有效呈现病毒传播风险，明确每个确诊病例感染路径，确定可能的感染人群以及每场疫情的类型和特点，因此对于疫情防控尤其是聚集性疫情的防控意义重大。由于现存确诊病例传播关系图谱并无特定的设计规则，且不太适用于循证决策的需求。本文依据聚集性疫情调查指南设计一种简洁明晰的传播关系图谱结构，并利用一种基于规则信息抽取方法来自动抽取确诊病例属性和社会关系。基于一起大规模跨省传播聚集性疫情进行案例分析，表明本文设计的图谱可以有效呈现传播链，对于疫情防控起到积极作用。