洪海藍(lán)，李文林，2，楊 濤，李 玥

(1.南京中醫(yī)藥大學(xué)人工智能與信息技術(shù)學(xué)院，江蘇 南京 210023；2.江蘇省中醫(yī)外用藥開發(fā)與應(yīng)用工程研究中心)

0 引言

海洋中的許多動物、植物、化石等是傳統(tǒng)中藥的重要組成部分，是治療腫瘤、心腦血管疾病、免疫性疾病、神經(jīng)系統(tǒng)疾病等重大疾病的“藍(lán)色藥庫[1]”。同時，作為當(dāng)代健康產(chǎn)業(yè)的重要資源，海洋中藥是海洋強(qiáng)國戰(zhàn)略中核心競爭力的重要組成部分?？上ШＱ笾兴幬墨I(xiàn)類型不一、資源分散、缺乏深度知識集成，這嚴(yán)重阻礙當(dāng)代海洋中藥的開發(fā)和利用，使海洋中藥的傳承與發(fā)展出現(xiàn)了斷層。因此，構(gòu)建海洋中藥文獻(xiàn)資源檢索與查詢的知識圖譜平臺，成為科技為信息賦能，助力“藍(lán)色藥庫”建設(shè)的重要措施。

知識圖譜作為一種結(jié)構(gòu)化的語義知識庫[2]，主要以圖形化的方式描述真實世界中存在的各種實體。其節(jié)點表示實體或概念，邊則由屬性或關(guān)系構(gòu)成[3-5]。知識圖譜在中醫(yī)藥領(lǐng)域已有相關(guān)應(yīng)用[6,7]，如王菁薇[8]等構(gòu)建了基于《傷寒論》的知識圖譜，陳善達(dá)[9]等構(gòu)建了中醫(yī)辨證論治冠心病的知識圖譜；王明強(qiáng)[10]等構(gòu)建了中醫(yī)皮膚病“病-證-治”知識圖譜，楊帥[11]等構(gòu)建了COVID-19 中西醫(yī)結(jié)合的知識圖譜。與上述基于Neo4j 構(gòu)建知識圖譜不同，本研究通過對不同圖數(shù)據(jù)庫特性的綜合對比和分析，選擇Nebula Graph 進(jìn)行知識圖譜的搭建。Nebula Graph 是一款完全開源、分布式、易擴(kuò)縮容的國產(chǎn)原生圖數(shù)據(jù)庫。相比于Neo4j，Nebula Graph 具有開源、高性能、易擴(kuò)展、靈活建模、讀寫平衡、靈活數(shù)據(jù)建模等優(yōu)勢。

本文提出一種基于多源異構(gòu)文獻(xiàn)數(shù)據(jù)構(gòu)建知識圖譜的方法，設(shè)計海洋中藥知識圖譜的實體和關(guān)系，可視化展示海洋中藥“功效”、“主治”、“方劑”、“性味歸經(jīng)”、“類型”、“成分”等中醫(yī)藥知識，為海洋中藥知識的科普和海洋新藥的研發(fā)提供技術(shù)幫助。

1 海洋中藥知識圖譜框架設(shè)計

知識圖譜按照覆蓋范圍可分為通用知識圖譜和領(lǐng)域知識圖譜[2]。通用知識圖譜范圍更廣，強(qiáng)調(diào)融合更多實體，但其準(zhǔn)確度不夠高，且很難借助標(biāo)準(zhǔn)知識庫規(guī)范其實體、屬性和關(guān)系等，主要被應(yīng)用于智能搜索等領(lǐng)域中[8,9]。領(lǐng)域知識圖譜不同于通用知識圖譜主要面向某些特殊領(lǐng)域，主要用于復(fù)雜的應(yīng)用分析或輔助決策，具有專家參與度高、知識結(jié)構(gòu)復(fù)雜、知識質(zhì)量要求高、知識粒度細(xì)等特點[10]。知識圖譜構(gòu)建一般分為自頂向下和自底向上兩種方式，本研究將這兩種方式結(jié)合構(gòu)建海洋中藥知識圖譜。

海洋中藥知識圖譜是中醫(yī)藥領(lǐng)域的子領(lǐng)域知識圖譜，知識質(zhì)量要求高，因此本研究首先對《海洋本草》和《海洋藥物與效方》進(jìn)行內(nèi)數(shù)據(jù)清洗和內(nèi)容梳理，其次結(jié)合專家意見對文獻(xiàn)內(nèi)容做人工標(biāo)注，通過分析海洋中藥文獻(xiàn)的特征來設(shè)計模式層的概念、關(guān)系及屬性；然后以模式層為基礎(chǔ)，對海洋中藥進(jìn)行知識抽取、知識融合構(gòu)建海洋中藥知識圖譜的數(shù)據(jù)層；最后將抽取出的數(shù)據(jù)整合處理并存入NebulaGraph，通過圖數(shù)據(jù)庫語言nGQL 進(jìn)行海洋中藥知識圖譜的可視化、智能檢索和精準(zhǔn)查詢。具體流程如圖1所示。

圖1 海洋中藥知識圖譜構(gòu)建流程

1.1 數(shù)據(jù)來源

本研究的數(shù)據(jù)來源于《海洋本草》和《海洋藥物與效方》。先將文本數(shù)據(jù)轉(zhuǎn)化為txt格式，為方便檢索，按照海洋中藥名稱、異名、介紹、性味歸經(jīng)、類型、效方、組成、功效、主治、禁忌、藥理成分等字段以xlxs格式進(jìn)行數(shù)據(jù)存儲。

1.2 模式層構(gòu)建

模式層構(gòu)建是知識圖譜構(gòu)建的核心。模式層主要內(nèi)容為知識的數(shù)據(jù)結(jié)構(gòu)，包括實體（Entity）、關(guān)系（Relation）、屬性（Attribute）等知識類的層次結(jié)構(gòu)和層級關(guān)系定義，約束數(shù)據(jù)層的具體知識形式[7]。本研究根據(jù)《海洋本草》、《海洋藥物與效方》和專家意見設(shè)計模式層。如圖2 所示，海洋中藥知識圖譜的模式層包括海洋中藥、海洋效方、禁忌、文獻(xiàn)來源、制法、功效、主治疾病、用法用量、類型、性味歸經(jīng)、異名、成分、效方組成等十三大類。

圖2 海洋中藥知識圖譜模式層設(shè)計

1.3 數(shù)據(jù)層構(gòu)建

⑴知識抽取

知識抽取是知識圖譜構(gòu)建的首要任務(wù)，通過人工、自動化或半自動化的知識抽取技術(shù)，從原始數(shù)據(jù)中獲得實體、關(guān)系及屬性等可用知識單元，為知識圖譜的構(gòu)建提供基礎(chǔ)[4]。知識抽取主要包括實體識別、關(guān)系抽取、屬性抽取。本研究的實體包括藥名、主治疾病名、功效名、成分名、性味歸經(jīng)等[14]。利用結(jié)構(gòu)化的數(shù)據(jù)構(gòu)建實體字典，高效識別非結(jié)構(gòu)數(shù)據(jù)中的實體。關(guān)系抽取即抽取實體與實體之間的關(guān)系。結(jié)構(gòu)化數(shù)據(jù)關(guān)系非常明確，直接構(gòu)建三元組；半結(jié)構(gòu)化數(shù)據(jù)用Python 轉(zhuǎn)化為結(jié)構(gòu)化數(shù)據(jù)；非結(jié)構(gòu)化數(shù)據(jù)則使用關(guān)系抽取算法和正則表達(dá)式進(jìn)行關(guān)系抽取。屬性抽取的主要任務(wù)是獲取(實體，屬性，屬性值) 類型三元組中的屬性和屬性值[15]。屬性抽取是對實體屬性的補(bǔ)充，用法用量和劑量可以看成是海洋中藥的屬性。本研究將屬性抽取轉(zhuǎn)化為關(guān)系抽取進(jìn)行屬性抽取[14]。

⑵知識融合

不同來源的文本不僅數(shù)據(jù)格式不同，也存在內(nèi)容重復(fù)等問題。數(shù)據(jù)沖突可能會導(dǎo)致實體和關(guān)系、屬性不匹配，為此需要結(jié)合新的知識對原有知識進(jìn)行補(bǔ)充，即將不同書籍構(gòu)建的知識圖譜進(jìn)行知識融合，消除矛盾和歧義[16,17]。知識融合主要包括實體對齊（Entity Alignment，EA）和實體消歧（Entity Disambiguation，ED）[3]。實體對齊采用余弦相似匹配度的方式，表示兩個實體的相似程度,相似度區(qū)間在-1 到1，-1 表示兩個實體完全不相似，1 表示兩個實體完全相同[18]。如《海洋本草》和《海洋藥物與效方》中皆收錄“海龜”，但關(guān)于海龜?shù)墓π?、主治、性味歸經(jīng)的表述，同中有異，同時《海洋藥物與效方》增加了含有海龜?shù)姆絼瑸榇嗽趫D譜構(gòu)建過程中需要知識融合。在實體對齊的過程中比較海龜知識的相似度時，將海龜?shù)闹匾匦宰鳛樘卣髦?，向量化，輸入公式⑴?/p>

本研究設(shè)計的海洋中藥實體如表1 所示，海洋中藥關(guān)系如表2所示。

表1 海洋中藥知識圖譜實體設(shè)計

表2 海洋中藥知識圖譜關(guān)系設(shè)計

1.4 知識圖譜存儲

本研究將從文本數(shù)據(jù)中抽取出來的實體、關(guān)系和屬性，按照設(shè)計好的范式以“實體-關(guān)系-實體”的形式存儲于Nebula Graph 數(shù)據(jù)庫的Storage 服務(wù)。一般圖數(shù)據(jù)庫存儲的主要數(shù)據(jù)是點和邊，而Nebula Graph 存儲的數(shù)據(jù)是一張屬性圖，不僅存儲了點、邊，還存儲了它們對應(yīng)的屬性，可更高效地使用屬性過濾。

1.5 知識圖譜應(yīng)用

本研究通過使用nGQL（Nebula Graph Query Language）可實現(xiàn)海洋中藥性味歸經(jīng)、功效、類型查詢、成分查詢、方劑推薦和主治查詢等的查詢功能，還可進(jìn)行可視化展示。

2 關(guān)鍵技術(shù)

2.1 數(shù)據(jù)預(yù)處理

本研究針對文本中存在的數(shù)據(jù)缺失、用詞不統(tǒng)一、異名同義等常見問題進(jìn)行用語規(guī)范、名詞統(tǒng)一、缺失值補(bǔ)全。其中名詞術(shù)語的規(guī)范參照《中醫(yī)臨床診療術(shù)語2020 年修訂版》，構(gòu)建海洋中藥的功效詞典和海洋中藥的主治詞典。進(jìn)行術(shù)語規(guī)范，如將功效中“療目疾”規(guī)范為“退翳明目”；主治病癥中“雀目夜盲”規(guī)范為“夜盲癥”等。對方劑組成中單位不統(tǒng)一或信息缺失的問題，分門別類進(jìn)行數(shù)據(jù)歸一或數(shù)據(jù)補(bǔ)全。如方劑組成：石首魚10g、鰾膠10g、梅花參、胡桃仁、羊腎、枸杞子、杜仲、鹿角粉、龜板、當(dāng)歸、豬脊髓、巴戟天、菟絲子各適量,石莼、鐵釘菜、大青葉各15g。本研究提出一種正則表達(dá)式結(jié)合詞典的數(shù)據(jù)清洗方法，即提取數(shù)字字符生成列表，根據(jù)列表對缺失數(shù)字單位的海洋中藥進(jìn)行補(bǔ)充，對各適量進(jìn)行字符分割進(jìn)行補(bǔ)充，高效完成數(shù)據(jù)清洗，為中醫(yī)藥數(shù)據(jù)清洗提供借鑒。

2.2 關(guān)系抽取

對半結(jié)構(gòu)化數(shù)據(jù)，本研究采用python 進(jìn)行結(jié)構(gòu)轉(zhuǎn)換，如“紫齒貝—主治—消化道出血，乳腺炎，胃病，消化不良”處理為“紫齒貝—主治—消化道出血、紫齒貝—主治—乳腺炎、紫齒貝—主治—胃病、紫齒貝—主治—消化不良”。對非結(jié)構(gòu)化數(shù)據(jù)，本研究利用CMeKG的關(guān)系抽取工具進(jìn)行關(guān)系抽取。

“烏賊魚蛋性平味咸，入胃、腎兩經(jīng)，能健脾開胃，補(bǔ)腎壯腰，利水消腫，主治中焦失運，食欲不振，水濕內(nèi)停，肌膚水腫。”抽取為（烏賊魚蛋，功效，能健脾開胃）、（烏賊魚蛋，功效，補(bǔ)腎壯腰）、（烏賊魚蛋，功效，利水消腫）、（烏賊魚蛋，主治，中焦失運）、（烏賊魚蛋，主治，食欲不振）、（烏賊魚蛋，主治，水濕內(nèi)停）、（烏賊魚蛋，主治，肌膚水腫）、（烏賊魚蛋，性味歸經(jīng)，性平）、（烏賊魚蛋，性味歸經(jīng)，味咸）、（烏賊魚蛋，性味歸經(jīng)，入腎）、（烏賊魚蛋，性味歸經(jīng)，脾經(jīng)）。

3 海洋中藥的精準(zhǔn)查詢與可視化展示

本研究構(gòu)建的細(xì)粒度海洋中藥知識圖譜涵蓋了海洋中藥、效方、禁忌、文獻(xiàn)來源、制法、功效、主治疾病、用法用量、類型、性味歸經(jīng)、異名、成分、效方組成等十三類實體。海洋中藥知識圖譜是以海洋中藥和方劑為核心，實體粒度精細(xì)化到分子。目前一共抽取出實體17511 個，關(guān)系28710 條。以海兔為例的海洋中藥知識圖譜局部結(jié)構(gòu)如圖3所示。

圖3 海兔為例的海洋中藥知識圖譜局部結(jié)構(gòu)圖

海兔作為一味中藥，還是方劑海粉湯的構(gòu)成藥物。以海兔和海粉湯為核心，海洋中藥與方劑的微型知識圖譜可做進(jìn)一步展示，如圖4所示。

圖4 海兔和海粉湯為核心的海洋中藥微型知識圖譜

本研究可從多維度查詢海洋中藥。如圖5 所示,A 為查詢到的具有軟堅散結(jié)功效的海洋中藥；B 為和海龜相同出處的海洋中藥與方劑，MATCH p=(v:marine_medicine{name::“海龜”)-[medicine_literature_edge]-(v2)-[]＜-(v3) RETURN p；C為包含海馬的海洋方劑；D為消斑湯和珠母偏頭痛方的方劑組成。

圖5 海洋中藥多維度查詢知識圖譜

海洋中藥知識圖譜構(gòu)建完成后，本研究邀請不同使用人群測試，包括普通中醫(yī)藥人員，海洋中藥研究者和普通用戶。根據(jù)用戶反饋，本研究構(gòu)建的海洋中藥知識圖譜具有響應(yīng)速度快、查詢時間短、專業(yè)性強(qiáng)、內(nèi)容詳細(xì)等優(yōu)勢，這為海洋中藥知識的科普和海洋中藥的研發(fā)提供幫助。但對普通用戶而言，存在編程語言學(xué)習(xí)困難，操作難度大等缺點，因此，本研究需要在應(yīng)用的便捷性方面做進(jìn)一步改善。

4 結(jié)束語

海洋中藥的使用在我國許多中醫(yī)藥典籍中都有記載。構(gòu)建海洋中藥知識圖譜，可挖掘歷代典籍中的海洋方藥，大幅度縮小現(xiàn)代海洋藥物的篩選范圍，增加藍(lán)色藥物研發(fā)成功幾率。

本研究是基于海洋中藥專著文獻(xiàn)，以《中醫(yī)臨床診療術(shù)語2020 年修訂版》等工具書為概念規(guī)范參考，構(gòu)建海洋中藥的功效及主治詞典。本研究提出一種基于多源異構(gòu)文獻(xiàn)數(shù)據(jù)構(gòu)建知識圖譜的方法，根據(jù)海洋中藥文獻(xiàn)特點，設(shè)計模式層，經(jīng)過數(shù)據(jù)清洗、知識抽取、知識融合、知識存儲等步驟將碎片化的文本信息整合，以構(gòu)建數(shù)據(jù)層，形成了覆蓋海洋中藥領(lǐng)域多維主題于一體的細(xì)粒度知識圖譜，并使用Nebula Graph數(shù)據(jù)庫存儲知識圖譜，可從功效、主治、性味歸經(jīng)、成分、方劑推薦等角度進(jìn)行查詢，挖掘海洋中藥文獻(xiàn)的隱性知識。本研究初步實現(xiàn)了海洋中藥知識的重新組織與可視化表達(dá)，為進(jìn)一步結(jié)合大規(guī)模海洋中藥數(shù)據(jù)集，建立數(shù)據(jù)更全面、內(nèi)容更豐富的海洋中藥知識圖譜奠定了基礎(chǔ)。不足的是，仍存在知識覆蓋面不夠廣、普通用戶操作難度大等問題。在下一步的研究中,本研究將對海洋中藥的化學(xué)、藥理等信息進(jìn)行進(jìn)一步歸納集成，擴(kuò)大海洋中藥知識圖譜的關(guān)系維度和知識規(guī)模，讓海洋中藥知識圖譜更全面。