黃英璇 謝潤昕

摘 要 文章基于中醫(yī)經(jīng)方構(gòu)建知識圖譜 搭建信息檢索 智能問診系統(tǒng) 以圖的形式對經(jīng)方進(jìn)行計(jì)量和可視化分析 為小程序用戶提供更加精準(zhǔn)詳細(xì)的經(jīng)方信息 首先 探討了知識圖譜的基礎(chǔ)理論與構(gòu)建技術(shù) 其次 采用人工標(biāo)引的方法 對經(jīng)方中的語義實(shí)體進(jìn)行提取 對語義關(guān)系進(jìn)行梳理 利用python對形成的邏輯數(shù)據(jù)進(jìn)行處理 并基于neo4j 構(gòu)建知識圖譜 最后 在neo4j 圖數(shù)據(jù)庫中 定義了經(jīng)方 病癥 癥狀 藥材 體質(zhì)5 大實(shí)體 形成了 12種概念類型以及13 種概念間關(guān)系及其約束規(guī)則包含 412個節(jié)點(diǎn)和805 條關(guān)系 實(shí)現(xiàn)了中醫(yī)經(jīng)方知識圖譜的初步構(gòu)建及智能檢索 結(jié)果表明 結(jié)合neo4j圖數(shù)據(jù)庫技術(shù)構(gòu)建中醫(yī)經(jīng)方知識圖譜具有直觀 高效的特點(diǎn) 便于小程序進(jìn)行中醫(yī)藥知識智能化服務(wù)以及經(jīng)方推薦

關(guān)鍵詞 中醫(yī)藥經(jīng)方 知識圖譜 語義關(guān)系

中圖法分類號r197 文獻(xiàn)標(biāo)識碼a

１ 引言

中醫(yī)藥知識是中華民族世代傳承的醫(yī)藥知識，是民族智慧的結(jié)晶，具有獨(dú)特的哲學(xué)基礎(chǔ)、基本理論體系、診療實(shí)踐和教學(xué)模式，以及研究范式。傳統(tǒng)的中醫(yī)藥傳承多屬于個體傳授，在中醫(yī)傳承的過程中老中醫(yī)的臨床經(jīng)驗(yàn)、診療能力及技巧只有一部分可通過語言、文字、圖像、符號等顯性知識方式表達(dá)出來，更多的隱性知識因其難以表達(dá)而不容易傳承［１］ 。在中醫(yī)藥知識傳承方面，通過現(xiàn)代信息技術(shù)手段來對顯性和隱性知識進(jìn)行知識管理，從一定程度上能對中醫(yī)知識進(jìn)行深度挖掘，發(fā)揮中醫(yī)知識的價值。所謂顯性知識，就是指已經(jīng)存在的方藥、典籍以及其他已經(jīng)編碼的中醫(yī)藥知識，本文將對顯性知識進(jìn)行知識圖譜的構(gòu)建及應(yīng)用［２］ 。

作為人工智能的一個分支，知識圖譜相關(guān)技術(shù)近年來取得突破性進(jìn)展，使得傳統(tǒng)知識表示和推理技術(shù)有了落腳點(diǎn)［３］ ，其在互聯(lián)網(wǎng)等各大領(lǐng)域均有滲透且成果顯著。本文根據(jù)黃煌《經(jīng)方使用手冊》開發(fā)微信經(jīng)方小程序，應(yīng)用知識圖譜來構(gòu)建中醫(yī)經(jīng)方的百科系統(tǒng)，搭建信息檢索、智能問診系統(tǒng)，以圖的形式對經(jīng)方進(jìn)行計(jì)量和可視化分析，為小程序用戶提供更加精準(zhǔn)詳細(xì)的經(jīng)方信息。

２ 經(jīng)方知識圖譜的設(shè)計(jì)與構(gòu)建

２．１ 本體層構(gòu)建

知識圖譜的構(gòu)建是形成知識體系邏輯結(jié)構(gòu)的重要環(huán)節(jié)，包括本體層構(gòu)建和數(shù)據(jù)填充２ 部分。本文采用自頂向下和自底向上相結(jié)合的構(gòu)建方法，依次經(jīng)過模式圖定義、知識抽取、知識融合３ 個步驟完成基礎(chǔ)知識庫的構(gòu)建［４］ 。模式圖包含知識庫的概念、概念的屬性，以及概念之間的層次關(guān)系。在經(jīng)方數(shù)據(jù)庫中，定義了５ 個實(shí)體，包括經(jīng)方、病癥、癥狀、藥材、體質(zhì)；形成了１２ 種概念類型，包括經(jīng)方、疾病、體質(zhì)、病因病機(jī)、先天稟賦、后天調(diào)養(yǎng)、環(huán)境因素、面象、舌象、脈象、癥狀、藥材，形成了１３ 種概念間關(guān)系及其約束規(guī)則。構(gòu)建經(jīng)方本體１２ 種、語義關(guān)系１３種，經(jīng)方知識圖譜本體層框架如圖１ 所示。

２．２ 數(shù)據(jù)層處理

２．２．１ 知識獲取

本文對中國知網(wǎng)、萬方數(shù)據(jù)知識服務(wù)平臺、維普資訊中文期刊服務(wù)平臺、中醫(yī)草藥網(wǎng)站進(jìn)行檢索，設(shè)置主題詞為“中醫(yī)經(jīng)方”“體質(zhì)”“草藥”。同時，收集黃煌關(guān)于中醫(yī)體質(zhì)與經(jīng)方的著作和中醫(yī)體質(zhì)學(xué)教材，并整理黃煌會議演講稿、訪談稿以及門診病例，共同構(gòu)成經(jīng)方知識圖譜相關(guān)知識的資料來源。本文對黃煌先生整理的《十大類方》《經(jīng)方使用手冊》進(jìn)行考證，校對整理電子文本，并上傳到已有的數(shù)據(jù)庫。根據(jù)知識圖譜模式層設(shè)計(jì)要求從知識元中提取語義實(shí)體并建立語義關(guān)聯(lián)，要求是盡量遵循原文直接提取，對于助詞、連詞、形容詞等無實(shí)際意義的詞匯則不予提取。例如，《經(jīng)方使用手冊》中描述的當(dāng)歸芍藥散“婦人腹中痛，或浮腫，或冒眩，或頭痛，或自下利，或月經(jīng)不調(diào)者?！?提取“腹痛” “目?！?“頭痛” “月經(jīng)不調(diào)”“自下利”為癥狀表現(xiàn)語義；當(dāng)歸芍藥散為經(jīng)方語義，并建立經(jīng)方與癥狀關(guān)系。癥狀語義提取圖如圖２所示。

２．２．２ 知識抽取存儲

根據(jù)經(jīng)方知識圖譜本體層框架，采用人工標(biāo)注的方法對獲取的非結(jié)構(gòu)化文本資料進(jìn)行結(jié)構(gòu)化處理，抽取實(shí)體、語義關(guān)系、屬性等關(guān)鍵信息并保存。本文使用Ｎｅｏ４ｊ 圖數(shù)據(jù)庫軟件對上述結(jié)構(gòu)化數(shù)據(jù)進(jìn)行知識存儲，該軟件以節(jié)點(diǎn)表示實(shí)體，以標(biāo)簽表示實(shí)體類別，以邊表示實(shí)體與實(shí)體之間的相互關(guān)系，并以三元組的形式構(gòu)建實(shí)體與實(shí)體間的聯(lián)系。將數(shù)據(jù)導(dǎo)出為半結(jié)構(gòu)化的ｊｓｏｎ 格式，再使用Ｐｙｔｈｏｎ 將其轉(zhuǎn)化為ｃｓｖ 文件。即根據(jù)不同的ｃｓｖ 文件設(shè)置不同的ｌａｖｅｌ，再將其中的“經(jīng)方名” 提取為節(jié)點(diǎn)名稱ｎａｍｅ，以構(gòu)成節(jié)點(diǎn)Ｎｏｄｅ＜ｌａｂｅｌ，ｎａｍｅ＞。例如，小柴胡湯節(jié)點(diǎn)＜ｆａｎｇ，小柴胡湯＞， 而后， 將“ 關(guān)系” 作為實(shí)體間的關(guān)系Ｒｅｌａｔｉｏｎｓｈｉｐ＜經(jīng)方名，藥材名，關(guān)系＞，如經(jīng)方藥材關(guān)系＜補(bǔ)中益氣湯，人參，成分＞。最后，使用Ｎｅｏ４ｊ 數(shù)據(jù)庫將各個ｃｓｖ 文件導(dǎo)入數(shù)據(jù)，完成知識圖譜的構(gòu)建。本文構(gòu)建的知識圖譜共包含經(jīng)方節(jié)點(diǎn)８７ 個，癥狀節(jié)點(diǎn)２０７ 個，藥材節(jié)點(diǎn)１１８ 個以及８０５ 條邊。知識圖譜展示圖如圖３ 所示。

３ 經(jīng)方知識圖譜的檢索

Ｎｅｏ４ｊ 將數(shù)據(jù)存儲在網(wǎng)絡(luò)結(jié)構(gòu)中，這種形式能夠隨時添加或更改數(shù)據(jù)，且無論節(jié)點(diǎn)或關(guān)系的數(shù)量或深度如何，都能確保處理過程的零延遲和實(shí)時性能，特別適合路徑查詢與模式發(fā)現(xiàn)。Ｎｅｏ４ｊ 圖數(shù)據(jù)庫內(nèi)設(shè)有專屬Ｃｙｐｈｅｒ 語言，可以對數(shù)據(jù)進(jìn)行創(chuàng)建、查詢、更新、刪除等操作，亦可構(gòu)建出更為高級的查詢語句而無需編寫復(fù)雜代碼即可實(shí)現(xiàn)對語義實(shí)體及語義關(guān)系的檢索及可視化展示［５］ ?；冢危澹铮矗?知識圖譜的小程序設(shè)計(jì)，中醫(yī)經(jīng)方的邏輯數(shù)據(jù)以“病脈證并治”的形式儲存在知識圖譜中，計(jì)算機(jī)便能以該形式對用戶的提問搜索進(jìn)行推理并返回結(jié)果。

首先，計(jì)算機(jī)從用戶的搜索問題中提取關(guān)鍵詞并判斷問題類型，通過模式串匹配的方式，找出問題中的實(shí)體詞，利用ＡＣ 自動機(jī)優(yōu)化模式串匹配，以提高匹配的速度。匹配的具體過程為從圖數(shù)據(jù)庫中提取所有相關(guān)實(shí)體詞，構(gòu)建ＡＣ 自動機(jī)，將輸入的問題作為主串、ＡＣ 自動機(jī)作為模式串進(jìn)行匹配，匹配主串中存在的實(shí)體詞，并將匹配的實(shí)體詞標(biāo)簽和疑問詞標(biāo)簽進(jìn)行組合，以判斷問題的類型。其次，將問題轉(zhuǎn)化為ＣＱＬ 語句，不同的問題類型，其轉(zhuǎn)化的方式不同。最后，根據(jù)ＣＱＬ 語句返回結(jié)果并輸出答案。利用Ｎｅｏ４ｊ 圖數(shù)據(jù)庫進(jìn)行檢索，以及使用計(jì)算機(jī)模擬醫(yī)生的診療邏輯，通過數(shù)據(jù)推理直接給出用戶想要的答案，使經(jīng)方的知識服務(wù)更便捷、高效，由此實(shí)現(xiàn)輸入幾個癥狀，便可返回可用于治療的經(jīng)方，同時包含經(jīng)方藥材的劑量等。例如，當(dāng)輸入“惡寒” “發(fā)熱” 等癥狀表現(xiàn)時，計(jì)算機(jī)會根據(jù)數(shù)據(jù)庫內(nèi)容給出答案。針對該癥狀，可用“大青龍湯”“附子湯”等治療調(diào)理，實(shí)現(xiàn)為用戶提供更準(zhǔn)確經(jīng)方信息的功能。

４ 結(jié)束語

本文將經(jīng)方數(shù)據(jù)轉(zhuǎn)化為邏輯數(shù)據(jù)并利用Ｎｅｏ４ｊ 構(gòu)建知識圖譜，初步實(shí)現(xiàn)了經(jīng)方智能檢索的應(yīng)用。基于經(jīng)方知識圖譜，小程序可以實(shí)現(xiàn)口語化語言的輸入，根據(jù)關(guān)鍵字進(jìn)行句式模板匹配，根據(jù)一定的匹配原則，產(chǎn)生相應(yīng)的查詢語句，在已有的經(jīng)方知識庫中檢索需要的經(jīng)方，以提供給用戶使用。

參考文獻(xiàn)：

［１］ 范宇鵬，毛煒，呂玉波，等．從隱性知識管理角度探討名醫(yī)工作室在中醫(yī)傳承工作中的作用［Ｊ］．中醫(yī)藥管理雜志，２００９（３）：３．

［２］ 劉中英，張英娟．探討知識管理在中醫(yī)傳承發(fā)展中的作用［Ｊ］．價值工程，２０１２，３１（１６）：３１６．

［３］ 王昊奮，漆桂林，陳華鈞．《知識圖譜：方法、實(shí)踐與應(yīng)用》［Ｊ］．自動化博覽，２０２０，３７（１）：７．

［４］ 陳可佳，馮子恩，劉羿，等．基于知識圖譜的急診問答系統(tǒng)構(gòu)建方法［Ｐ］．中國，ＣＮ１１１１９１０４８Ｂ，２０２３?０６?０２．

［５］ 王余藍(lán)．圖形數(shù)據(jù)庫ＮＥＯ４Ｊ 的內(nèi)嵌式應(yīng)用研究［Ｊ］．現(xiàn)代電子技術(shù)，２０１２，３５（２２）：３６?３８．

作者簡介：

黃英璇（２００２—），本科，研究方向：信息管理與信息系統(tǒng)。