于彤，賈李蓉，張竹綠，朱玲

?

面向中醫(yī)藥文獻(xiàn)的語(yǔ)義關(guān)系發(fā)現(xiàn)方法研究

于彤，賈李蓉，張竹綠，朱玲

中國(guó)中醫(yī)科學(xué)院中醫(yī)藥信息研究所，北京 100700

從中醫(yī)藥文獻(xiàn)中提取語(yǔ)義關(guān)系的方法，能充實(shí)中醫(yī)藥知識(shí)庫(kù)系統(tǒng)，提升知識(shí)獲取效率，改進(jìn)知識(shí)檢索效果。本研究通過(guò)搜集中醫(yī)藥文獻(xiàn)并從中找出在一起頻繁出現(xiàn)的詞對(duì)，基于中醫(yī)藥學(xué)語(yǔ)言系統(tǒng)判斷語(yǔ)義關(guān)系的性質(zhì)，再將所發(fā)現(xiàn)的語(yǔ)義關(guān)系交由領(lǐng)域?qū)＜疫M(jìn)行檢驗(yàn)。該方法向中醫(yī)藥領(lǐng)域?qū)＜姨峁┝藦奈谋局邪l(fā)現(xiàn)語(yǔ)義關(guān)系的新穎技術(shù)手段。

語(yǔ)義關(guān)系；中醫(yī)藥學(xué)語(yǔ)言系統(tǒng)；知識(shí)庫(kù)

目前，中醫(yī)藥領(lǐng)域?qū)嵱玫闹R(shí)庫(kù)系統(tǒng)顯現(xiàn)出大型化的趨勢(shì)，往往包含百萬(wàn)條語(yǔ)義關(guān)系。例如，中醫(yī)藥學(xué)語(yǔ)言系統(tǒng)（Traditional Chinese Medicine Language System, TCMLS）已收錄概念12萬(wàn)余條，術(shù)語(yǔ)30萬(wàn)余條，語(yǔ)義關(guān)系127萬(wàn)多條[1]。由人工編輯如此大量的語(yǔ)義關(guān)系，是一個(gè)耗時(shí)費(fèi)力的大工程。若能實(shí)現(xiàn)從文獻(xiàn)中自動(dòng)抽取語(yǔ)義關(guān)系，則可大幅提升知識(shí)獲取效率。因此，語(yǔ)義關(guān)系發(fā)現(xiàn)方法對(duì)領(lǐng)域知識(shí)庫(kù)的構(gòu)建具有很大意義。本文介紹了一項(xiàng)基于TCMLS從文本中發(fā)現(xiàn)語(yǔ)義關(guān)系的初步嘗試。該研究試圖將文本中蘊(yùn)含的語(yǔ)義關(guān)系挖掘出來(lái)，與TCMLS現(xiàn)有的語(yǔ)義關(guān)系結(jié)合，得到更為全面、準(zhǔn)確的語(yǔ)義關(guān)系，并明確系統(tǒng)中語(yǔ)義關(guān)系的文獻(xiàn)來(lái)源，從而擴(kuò)充TCMLS的數(shù)據(jù)規(guī)模，提升TCMLS中語(yǔ)義關(guān)系的準(zhǔn)確性和可靠性。

1 研究背景和相關(guān)工作

中醫(yī)藥學(xué)是經(jīng)過(guò)幾千年的發(fā)展而形成的，文獻(xiàn)記載是其重要的知識(shí)流傳的方式之一。近年來(lái)，中醫(yī)團(tuán)體開(kāi)展了大量的知識(shí)工程工作，采用各種文獻(xiàn)中的知識(shí)來(lái)構(gòu)建中醫(yī)藥領(lǐng)域知識(shí)庫(kù)，提供知識(shí)檢索服務(wù)。以TCMLS為例，因缺乏實(shí)用的中醫(yī)藥文本挖掘方法，在語(yǔ)義關(guān)系抽取方面，主要依賴于加工人員的個(gè)人知識(shí)和手工操作。這種方法與加工人員個(gè)人的知識(shí)、素養(yǎng)和責(zé)任心有很大關(guān)系，造成數(shù)據(jù)準(zhǔn)確性良莠不齊，難以對(duì)數(shù)據(jù)質(zhì)量進(jìn)行有效管理。隨著系統(tǒng)規(guī)模的不斷擴(kuò)大，人工編輯的復(fù)雜性也不斷增大，制約著TCMLS的進(jìn)一步發(fā)展。鑒于此，擬對(duì)中醫(yī)藥文獻(xiàn)內(nèi)容進(jìn)行語(yǔ)義關(guān)系提取，得到具體概念之間的語(yǔ)義關(guān)系，與TCMLS的語(yǔ)義關(guān)系進(jìn)行比較，并對(duì)TCMLS進(jìn)行進(jìn)一步擴(kuò)充。

從自由文本中挖掘語(yǔ)義關(guān)系是一個(gè)非常困難的問(wèn)題，因?yàn)橥环N關(guān)系在文本中會(huì)有多種表達(dá)方式[2]。常見(jiàn)的語(yǔ)義關(guān)系發(fā)現(xiàn)方法，主要包括如下2大類。

1.1 基于語(yǔ)法分析的語(yǔ)義關(guān)系發(fā)現(xiàn)

此類方法的主要思路是：基于自然語(yǔ)言處理（NLP）技術(shù)，通過(guò)對(duì)文本進(jìn)行語(yǔ)法分析，構(gòu)建出語(yǔ)法樹(shù)，再通過(guò)語(yǔ)法和詞性的分析得到其中的語(yǔ)義關(guān)系[3]。這類方法的優(yōu)點(diǎn)是對(duì)語(yǔ)義關(guān)系定位比較準(zhǔn)確，并可以通過(guò)語(yǔ)法特征得到文本中的隱含信息。但其缺點(diǎn)在于：此類方法的效果嚴(yán)重依賴于語(yǔ)法分析的結(jié)果，對(duì)于一些特殊的領(lǐng)域，現(xiàn)有的語(yǔ)法分析方法往往無(wú)法取得令人滿意的結(jié)果。因此，基于語(yǔ)法分析的語(yǔ)義關(guān)系抽取算法其應(yīng)用范圍受到了很大的限制，特別是在一些有著獨(dú)特語(yǔ)法規(guī)則的領(lǐng)域中更是如此，本文中提到的中醫(yī)藥領(lǐng)域就是一個(gè)例子。

1.2 基于模式匹配的語(yǔ)義關(guān)系發(fā)現(xiàn)

這種方法是用某種模式對(duì)文本進(jìn)行匹配，根據(jù)匹配的情況得到相應(yīng)的語(yǔ)義關(guān)系。根據(jù)匹配模式的不同來(lái)源，可以分為兩類：基于領(lǐng)域知識(shí)的模式匹配和基于學(xué)習(xí)的模式匹配[4]?；陬I(lǐng)域知識(shí)的模式是由領(lǐng)域?qū)＜覍⑵漕I(lǐng)域知識(shí)總結(jié)、升華得到的通用知識(shí)模式，然后再使用這些模式作為模板，從文獻(xiàn)中找到相應(yīng)的關(guān)系。基于學(xué)習(xí)的模式匹配方法，是指使用機(jī)器學(xué)習(xí)方法，通過(guò)對(duì)文獻(xiàn)特征的分析得到有用的模式。這類方法的目標(biāo)一般限定為僅挖掘某些特定類別的實(shí)體的幾種特定關(guān)系，無(wú)法勝任中醫(yī)藥領(lǐng)域中語(yǔ)義關(guān)系種類很多的情況。

綜上所述，這兩類方法都不適合中醫(yī)藥領(lǐng)域的需求。本研究提出基于TCMLS的文本語(yǔ)義關(guān)系發(fā)現(xiàn)方法，該方法以TCMLS中的詞匯為基礎(chǔ)，發(fā)現(xiàn)語(yǔ)義關(guān)系中的主體和客體；以TCMLS中已有的語(yǔ)義關(guān)系為根據(jù)，推測(cè)從文本中挖出的語(yǔ)義關(guān)系的類型。本研究的基本策略，是基于TCMLS從文本中發(fā)現(xiàn)更多的關(guān)系，經(jīng)用戶驗(yàn)證后加入TCMLS之中，從而豐富TCMLS的語(yǔ)義關(guān)系；再用豐富后的TCMLS進(jìn)行新一輪的文本挖掘，進(jìn)一步豐富TCMLS；以此類推，從而形成一套基于文本語(yǔ)義關(guān)系發(fā)現(xiàn)來(lái)驅(qū)動(dòng)TCMLS加工的技術(shù)方案。下面具體介紹基于TCMLS的語(yǔ)義關(guān)系發(fā)現(xiàn)方法。

2 文本語(yǔ)義關(guān)系發(fā)現(xiàn)方法

如圖1所示，文本語(yǔ)義關(guān)系發(fā)現(xiàn)，是指從“……人參有‘補(bǔ)五臟、安精神、定魂魄、止驚悸、除邪氣、明目開(kāi)心益智’的功效……”的文本中，發(fā)現(xiàn)“人參 補(bǔ) 五臟”、“人參 安 精神”、“人參 止 驚悸”、“人參 除 邪氣”這樣的關(guān)系。該方法會(huì)統(tǒng)計(jì)每條關(guān)系出現(xiàn)的頻數(shù)：如果在文檔D1，D2……Dn中都出現(xiàn)了某條關(guān)系R，則R出現(xiàn)的頻數(shù)即為n。該方法的基本策略是：以TCMLS作為領(lǐng)域詞庫(kù)，從文獻(xiàn)庫(kù)中找出在同一文檔中出現(xiàn)的兩個(gè)領(lǐng)域術(shù)語(yǔ)（如“人參、邪氣”、“人參、五臟”等），構(gòu)成候選的文本語(yǔ)義關(guān)系，并統(tǒng)計(jì)每條關(guān)系的頻數(shù)，以供語(yǔ)言學(xué)家進(jìn)行檢閱和處理。由機(jī)器判斷語(yǔ)義關(guān)系的謂詞（如“人參”與“邪氣”之間的謂詞為“除”）仍是一個(gè)技術(shù)難題。本方法會(huì)在這兩個(gè)詞附近找出一些候選性謂詞（如“補(bǔ)”、“除”等）推薦給用戶；并提供TCMLS中的相關(guān)用法，供用戶參考（例如，針對(duì)“人參”和“腎陽(yáng)虛證”，系統(tǒng)會(huì)根據(jù)TCMLS中的用法向用戶推薦“治療”這一謂詞）。

圖1 文本語(yǔ)義關(guān)系發(fā)現(xiàn)過(guò)程示意圖

為實(shí)現(xiàn)該策略，首先需要將中醫(yī)藥文本分解成一系列獨(dú)立的語(yǔ)義單元。中醫(yī)藥文獻(xiàn)資源包括書(shū)籍、期刊、會(huì)議論文集、病歷、報(bào)告等，語(yǔ)義單元?jiǎng)澐忠槍?duì)不同類型的文獻(xiàn)進(jìn)行具體分析。本研究主要考慮書(shū)籍、期刊和會(huì)議論文集。這些文獻(xiàn)都可被分為一系列“文章”（在書(shū)籍中對(duì)應(yīng)一章或一節(jié)，在期刊和會(huì)議論文集中對(duì)應(yīng)一篇論文），可對(duì)文章進(jìn)一步細(xì)分，將文章分為小節(jié)，將小節(jié)分為段落，將段落分為句子。

理論上，在一篇文章中出現(xiàn)的任意兩個(gè)詞匯之間都可能存在或強(qiáng)或弱、或直接或間接的語(yǔ)義關(guān)系。因此也可將“文章”作為語(yǔ)義單元進(jìn)行語(yǔ)義關(guān)系發(fā)現(xiàn)。但在語(yǔ)義關(guān)系識(shí)別階段，關(guān)鍵詞組過(guò)長(zhǎng)會(huì)極大增加算法復(fù)雜性。為保證算法效率，關(guān)鍵詞組內(nèi)詞匯數(shù)量不宜過(guò)多，因此本研究未將整篇文章作為語(yǔ)義單元進(jìn)行挖掘。與全文相比，“句子”是一個(gè)相對(duì)較小、且有完整語(yǔ)義的單元。“句子”通常描述一個(gè)完整的意思，且其中的詞匯之間通常有某種聯(lián)系，因此“句子”為中文分詞及后續(xù)處理提供了天然的單元。但語(yǔ)義關(guān)系的主體和客體也有可能分散在不同的句子中，僅以句子作為語(yǔ)義單元會(huì)遺失掉很多的關(guān)系。鑒于此，本項(xiàng)目分別以句子和小節(jié)作為基本的語(yǔ)義單元，進(jìn)行語(yǔ)義關(guān)系發(fā)現(xiàn)，下面介紹其核心思想和設(shè)計(jì)原則。

第一，在文中距離越近的“名詞、動(dòng)詞、名詞”，越有可能表達(dá)一條語(yǔ)義關(guān)系。因此，本方法會(huì)記錄語(yǔ)義關(guān)系中的詞匯在文中的最短距離，作為反映語(yǔ)義關(guān)系真實(shí)性的一個(gè)參數(shù)。

第二，在各種文獻(xiàn)中多次出現(xiàn)的“主語(yǔ)-謂語(yǔ)-賓語(yǔ)”，更有可能代表一條語(yǔ)義關(guān)系。若一條關(guān)系頻繁出現(xiàn)于各種文獻(xiàn)中，則其很可能是領(lǐng)域?qū)＜艺J(rèn)可的。因此，本方法對(duì)從各種文獻(xiàn)中發(fā)現(xiàn)的關(guān)系進(jìn)行匯總，統(tǒng)計(jì)每條關(guān)系在文中共現(xiàn)的頻數(shù)，將其作為一個(gè)參數(shù)提供給術(shù)語(yǔ)學(xué)家。

第三，文獻(xiàn)量越大、越全面，所得到的語(yǔ)義網(wǎng)絡(luò)就越具有統(tǒng)計(jì)價(jià)值。鑒于此，采用TCMLS對(duì)萬(wàn)方文獻(xiàn)庫(kù)進(jìn)行檢索，以期獲得盡可能全面的文獻(xiàn)。

第四，構(gòu)建在中醫(yī)藥領(lǐng)域中常用的動(dòng)詞列表，以該表為基礎(chǔ)推測(cè)語(yǔ)義關(guān)系中的謂詞。將主語(yǔ)或賓語(yǔ)附近出現(xiàn)的動(dòng)詞記錄下來(lái)，作為語(yǔ)義關(guān)系的候選謂詞，推薦給術(shù)語(yǔ)學(xué)家。

第五，鑒于文本語(yǔ)義關(guān)系發(fā)現(xiàn)方法尚不能保證結(jié)果的準(zhǔn)確性，開(kāi)發(fā)了一個(gè)文本語(yǔ)義關(guān)系的檢閱系統(tǒng)，對(duì)文本語(yǔ)義關(guān)系進(jìn)行檢查、分析和標(biāo)注等工作，使術(shù)語(yǔ)學(xué)家了解語(yǔ)義關(guān)系與相關(guān)文本的關(guān)聯(lián)。

3 文本語(yǔ)義關(guān)系發(fā)現(xiàn)和檢閱系統(tǒng)

在本研究中，采用Java語(yǔ)言開(kāi)發(fā)了一套文本語(yǔ)義關(guān)系發(fā)現(xiàn)程序，以實(shí)現(xiàn)文本語(yǔ)義關(guān)系發(fā)現(xiàn)方法。以TCMLS作為關(guān)鍵詞，從萬(wàn)方數(shù)據(jù)知識(shí)服務(wù)平臺(tái)檢出了217 667條文獻(xiàn)題錄信息（含摘要），再用文本語(yǔ)義關(guān)系發(fā)現(xiàn)程序從摘要中挖出了87 826條關(guān)系，其中部分的關(guān)系如表1所示。所得出的關(guān)系被存入一個(gè)關(guān)系型數(shù)據(jù)庫(kù)（MySQL數(shù)據(jù)庫(kù)）中，通過(guò)文本語(yǔ)義關(guān)系檢閱系統(tǒng)展示出來(lái)，供語(yǔ)言學(xué)家進(jìn)行檢閱。

表1 文本語(yǔ)義關(guān)系發(fā)現(xiàn)結(jié)果舉例

如圖2所示，開(kāi)發(fā)了一套文本語(yǔ)義關(guān)系的檢閱系統(tǒng)，支持用戶對(duì)文本語(yǔ)義關(guān)系進(jìn)行檢閱、分析和標(biāo)注，查看文本語(yǔ)義關(guān)系的文獻(xiàn)依據(jù)和相關(guān)網(wǎng)頁(yè)，并將文本語(yǔ)義關(guān)系正式插入某個(gè)術(shù)語(yǔ)系統(tǒng)（如TCMLS）。在語(yǔ)義關(guān)系檢索界面中，系統(tǒng)會(huì)將機(jī)器發(fā)現(xiàn)的語(yǔ)義關(guān)系分頁(yè)列出。用戶可輸入關(guān)鍵詞（如“陽(yáng)痿 腎陽(yáng)虛證”）搜索個(gè)人關(guān)心的語(yǔ)義關(guān)系。系統(tǒng)列出了每條關(guān)系的主體和客體（如“益腎丸-腎陽(yáng)虛證”），給出每個(gè)概念的類型、正名和定義。用戶可點(diǎn)擊查看某個(gè)概念，系統(tǒng)會(huì)轉(zhuǎn)到這一概念的信息頁(yè)面。當(dāng)用戶在上文提到的

圖2 文本語(yǔ)義關(guān)系檢閱系統(tǒng)界面

“語(yǔ)義關(guān)系檢索界面”中點(diǎn)擊查看某條關(guān)系，系統(tǒng)就會(huì)跳轉(zhuǎn)到這條語(yǔ)義關(guān)系的展示和處理界面。

在語(yǔ)義關(guān)系的展示和處理界面中，用戶可以查看這條關(guān)系的主體信息、候選謂詞、客體信息、參考性參數(shù)。其中，對(duì)于主體和客體，都給出了概念的類型、正名、定義以及概念信息頁(yè)面的鏈接。候選謂詞是基于TCMLS中的用法來(lái)生成的，例如，若主體為“人參”，客體為“腎陽(yáng)虛證”，則系統(tǒng)會(huì)推薦“治療”作為候選謂詞。用戶可以點(diǎn)擊“文獻(xiàn)資源”，查看該語(yǔ)義關(guān)系所出自的文獻(xiàn)。對(duì)于每篇文獻(xiàn)，系統(tǒng)都給出了題名和摘要。用戶單擊選擇某篇文獻(xiàn)的題名時(shí)，系統(tǒng)會(huì)跳轉(zhuǎn)到該文獻(xiàn)的題錄信息頁(yè)面。用戶可以點(diǎn)擊“百度搜索”，查看該語(yǔ)義關(guān)系相關(guān)的百度搜索結(jié)果，也可以點(diǎn)擊“相關(guān)陳述”，查看該語(yǔ)義關(guān)系在TCMLS中的相關(guān)陳述，以供語(yǔ)言學(xué)家參考。用戶還可通過(guò)系統(tǒng)提供的表單，將這條語(yǔ)義關(guān)系加入語(yǔ)言系統(tǒng)中。系統(tǒng)會(huì)根據(jù)TCMLS中的相關(guān)用法，列出一些相關(guān)屬性以供用戶選擇。用戶也可以輸入新的屬性，例如，為添加“人參 除 邪氣”這條關(guān)系，用戶可輸入“除”這一新屬性。用戶也可以添加一些注釋信息。另外，當(dāng)關(guān)系被錄入TCMLS后，系統(tǒng)會(huì)記錄這條關(guān)系的文獻(xiàn)來(lái)源。

4 小結(jié)

數(shù)字化文獻(xiàn)是中醫(yī)藥知識(shí)密集型數(shù)據(jù)的基礎(chǔ)。中醫(yī)藥語(yǔ)義網(wǎng)若與文獻(xiàn)資源相脫節(jié)，則必成為無(wú)源之水、無(wú)本之木。從文獻(xiàn)中提取語(yǔ)義關(guān)系的方法，能有效豐富中醫(yī)藥語(yǔ)義網(wǎng)的內(nèi)容，建立中醫(yī)藥語(yǔ)義網(wǎng)和文獻(xiàn)資源的有機(jī)聯(lián)系，改進(jìn)中醫(yī)藥文獻(xiàn)檢索的效果。本研究開(kāi)展了中醫(yī)藥文獻(xiàn)語(yǔ)義關(guān)系發(fā)現(xiàn)方法的初步探索：基于TCMLS，搜集中醫(yī)藥文獻(xiàn)，對(duì)文獻(xiàn)進(jìn)行分詞處理，從中找出在一起頻繁出現(xiàn)的詞對(duì)，判斷語(yǔ)義關(guān)系的性質(zhì)，交由領(lǐng)域?qū)＜疫M(jìn)行檢驗(yàn)。本研究所開(kāi)發(fā)的文本語(yǔ)義關(guān)系發(fā)現(xiàn)和檢閱系統(tǒng)，向術(shù)語(yǔ)專家提供從文本中發(fā)現(xiàn)新穎語(yǔ)義關(guān)系的技術(shù)能力。

這項(xiàng)工作尚存在一些局限性。例如，我們尚缺乏判斷文本語(yǔ)義關(guān)系準(zhǔn)確類型的有效手段，也尚未實(shí)現(xiàn)發(fā)現(xiàn)新詞的方法。另外，有些中醫(yī)藥領(lǐng)域的詞匯尚未收入TCMLS之中，這影響了語(yǔ)義關(guān)系發(fā)現(xiàn)的效果。在進(jìn)一步研究中，擬對(duì)從文本中獲得的語(yǔ)義關(guān)系與TCMLS現(xiàn)有的語(yǔ)義關(guān)系進(jìn)行比較，補(bǔ)充完善TCMLS現(xiàn)有的語(yǔ)義關(guān)系網(wǎng)絡(luò)。擬對(duì)從文本中獲得的語(yǔ)義關(guān)系按概念的語(yǔ)義類型進(jìn)行歸納，得到語(yǔ)義類型間的語(yǔ)義關(guān)系，融合成一個(gè)基于文獻(xiàn)的頂層語(yǔ)義網(wǎng)絡(luò)。對(duì)TCMLS的頂層語(yǔ)義網(wǎng)絡(luò)和從文獻(xiàn)中實(shí)際抽取的語(yǔ)義網(wǎng)絡(luò)進(jìn)行比較，對(duì)TCMLS現(xiàn)有的頂層語(yǔ)義網(wǎng)絡(luò)進(jìn)行補(bǔ)充和修正，從而指導(dǎo)中醫(yī)藥學(xué)語(yǔ)言系統(tǒng)實(shí)際發(fā)展和應(yīng)用。

[1]賈李蓉，朱玲，董燕，等.中醫(yī)藥學(xué)語(yǔ)言系統(tǒng)評(píng)價(jià)體系的研究與建立[J].中國(guó)數(shù)字醫(yī)學(xué),2012,7(10):13-16.

[2]S. Mukherjea, B. Bamba, P.Kankar. Information Retrieval and Knowledge Discovery Utilizing a BioMedical Patent Semantic Web[J]. IEEE Transactions on Knowledge and Data Engineering,2005,17(8):1099-1110.

[3]Tao Jiang, Ah-Hwee Tan, Ke Wang. Mining Generalized Associations of Semantic Relations from Textual Web Content[J]. IEEE Transactions on Knowledge and Data Engineering,2007,19(2):164-179.

[4]Andreas Hotho, Andreas Nürnberger, Gerhard Paass. A Brief Survey of Text Mining[J]. In LDV Forum-GLDV Journal for Computational Linguistics and Language Technology,2005,20(1):19-62.

Research on the Method of Discovering Semantic Relations from Traditional Chinese Medicine Literature

Yu Tong, Jia Lirong, Zhang Zhulv, Zhu Ling

(Institute of Information on Traditional Chinese Medicine, China Academy of Chinese Medical Sciences, Beijing 100700, China)

In traditional Chinese medicine (TCM) domain, the method for literature-based semantic relation discovery can effectively enrich the content of TCM knowledge base, improve the efficiency of knowledge acquisition, and perfect the performance of knowledge retrieval. This research explored the method of literature-based semantic relation discovery based on Traditional Chinese Medicine Language System (TCMLS). The authors retrieved TCM literature and discovered semantic relations based on frequent co-occurrence of words, and predicted the type of semantic relations based on TCMLS. The discovered semantic relations were displayed for evaluation conducted by experts in this domain. This method provides a novel technical approach for TCM experts to discover semantic relations from TCM literature.

semantic relation; Traditional Chinese Medicine Language System; knowledge base

10.3969/j.issn.2095-5707.2014.06.001

中國(guó)博士后科學(xué)基金（2012M520559）；中國(guó)中醫(yī)科學(xué)院基本科研業(yè)務(wù)費(fèi)自主選題（ZZ070309，ZZ070311）

于彤，助理研究員，研究方向：中醫(yī)藥信息學(xué)。E-mail: yutongoracle@hotmail.com

（2014-04-08，編輯：張華敏）