人工智能技术推动了智慧医疗的发展。医疗知识图谱是实现智慧医疗的核心,在智能问诊、辅助决策等领域发挥着重要作用。由于医学知识极具专业性,如何应用人工智能技术高质量构建医学知识图谱一直是行业的痛点。前人多聚焦于医学图谱的构建流程、体系标准等方面的研究,对知识的高质量生产方式研究较少。本文结合人工智能技术,对图谱知识高质量生产的方式和方法进行了相关探索。本文以图谱构建关键技术为切入点,主要内容分为三个方面:1)增加词法信息的医疗命名实体识别:本文对医疗类别进行精细化拆分,将边界交错重叠的实体转化为简单粒度实体。通过注意力机制将字特征和词法特征进行语义对齐,增强模型的语义表征能力,提出BERT-BSRL实体识别模型。2)基于主动学习方式的医疗实体关系抽取:本文使用类别实体标记（Typed Entity Marker）方法构建关系抽取能力,探索了一种基于主动学习方式的医疗实体关系抽取技术。该技术对医疗关系数据进行辅助生产的同时,还可以挖掘错误标注数据、提升模型效果,进一步保证医疗关系数据的生产质量。3)基于搜索方式的医疗实体对齐技术:本文选取Con SERT模型构建语义召回能力,选取BERT模型构建语义重排能力,通过实时实体对齐技术,加强知识生产的过程质量管控,减少冗余知识的引入。实验表明,增加词法信息的BERT-BSRL实体识别模型可以有效提升实体抽取效果,F1值较工业界主流方法有1.3%的提升;基于主动学习方式的医疗实体关系抽取技术可以有效挖掘错误数据并提升模型效果,两次数据迭代分别检出3%和5%的错误数据,且数据迭代对模型正确率有3%提升;基于搜索方式的医疗实体对齐技术效果最优,基于Con SERT和BERT模型的搜索方式较Con SERT单一模型方式,HR@1命中率提升8.1%,处理速度提升2.7倍。