摘要：中醫(yī)藥知識在傳承和創(chuàng)新的過程中，借助知識圖譜技術(shù)，將海量的中醫(yī)藥數(shù)據(jù)進行高效抽取、融合、存儲、推理，有助于知識的高效利用.知識圖譜也在不斷的應(yīng)用過程中得到驗證，其在中醫(yī)藥領(lǐng)域存儲知識、操作復(fù)雜性知識等方面極具優(yōu)勢.知識圖譜在中醫(yī)藥領(lǐng)域的多元場景開展應(yīng)用，全面地展現(xiàn)了中醫(yī)學(xué)的思維，支撐、拓展中醫(yī)領(lǐng)域多種知識服務(wù).文章梳理中醫(yī)古籍、中醫(yī)診斷、名老中醫(yī)診治經(jīng)驗、中藥領(lǐng)域等多元場景下的研究概況，為后續(xù)研究提供參考.

關(guān)鍵詞：知識圖譜；中醫(yī)藥；應(yīng)用

中圖分類號：R2-03文獻標志碼：A

Research Progress of the Application of Knowledge Graphs in Traditional Chinese Medicine

WANG Li1， JIANG Nan1， CHENG Bin2， DONG Changwu3

（1. College of Traditional Chinese Medicine， Anhui University of Chinese Medicine， Heifei 230012， China;2. Outpatient Department， Anhui University of Chinese Medicine， Heifei 230031， China;3. The Second Affiliated Hospital， Anhui University of Chinese Medicine， Heifei 230001， China）

Abstract： In the process of inheritance and innovation of Traditional Chinese Medicine （TCM） knowledge， the use of knowledge graph technology to efficiently extract， integrate， store， and reason over massive TCM data facilitates the efficient utilization of knowledge. The application of knowledge graphs in TCM has been continuously validated and has shown significant advantages in knowledge storage and handling complex knowledge. The diverse application of knowledge graphs in various scenarios within in the field of TCM comprehensively demonstrates the thinking of TCM and supports and expands the development of multiple knowledge services in the TCM field. This article paper provides an overview of research in diverse scenarios， such as TCM ancient texts， TCM diagnosis， the clinical experience of renowned TCM practitioners， and the field of Chinese herbal medicine， which can be regarded as serve as a reference for future research in these areas.

Key words： knowledge graph; Traditional Chinese Medicine （TCM）; application

中醫(yī)藥傳承千年，在保障人民健康方面一直發(fā)揮著舉足輕重的作用.中醫(yī)藥知識一直以傳承和創(chuàng)新并重，有成熟的理論，形成了自己的知識體系.中醫(yī)藥數(shù)據(jù)類型多樣，有文本、數(shù)值、圖像、音頻、影像、脈搏波等.隨著現(xiàn)代社會技術(shù)發(fā)展日新月異，知識流通快、數(shù)據(jù)不斷更新，中醫(yī)藥領(lǐng)域逐步積累了大量的數(shù)據(jù)，同時中醫(yī)藥數(shù)據(jù)的異質(zhì)性、非結(jié)構(gòu)性、多粒度等特點，使其存在于各種不同的信息載體，一定程度上出現(xiàn)了信息資源浪費的現(xiàn)象［1］.如何從海量的中醫(yī)藥數(shù)據(jù)中高效地抽取出有效的、具有價值的實體關(guān)系信息值得研究者們思考［2］.

知識圖譜自2012年開始運用至今，是一種具備自我處理能力的信息系統(tǒng)，經(jīng)過融合圖形繪制、數(shù)據(jù)采集與信息處理等技術(shù)，將知識體系完整構(gòu)建，最終完成知識的自我研究與揭示［3］.知識圖譜以實體概念為節(jié)點，以關(guān)系為邊，能夠可視化、清晰地呈現(xiàn)知識間各種關(guān)系，具有高效的語義處理功能，在管理知識、分析決策上是有力的工具，也成為推動人工智能發(fā)展的驅(qū)動力［4］.可見，獲取、分析和管理中醫(yī)藥知識可以利用知識圖譜作為高效的知識管理工具，有效地在中醫(yī)藥領(lǐng)域挖掘并描述實體間的關(guān)系，實現(xiàn)中醫(yī)藥數(shù)據(jù)資源的整合、管理與利用［5］.近年來知識圖譜也在不斷的關(guān)注和應(yīng)用過程中得到驗證，其在中醫(yī)藥領(lǐng)域存儲知識、操作復(fù)雜性知識等方面極具優(yōu)勢.

知識圖譜作為一個強大的工具，我們可以發(fā)現(xiàn)它與曾經(jīng)的知識庫有很大區(qū)別，知識庫更多是知識的集合，是一種事實、規(guī)則等，而知識圖譜在存儲知識的同時，更側(cè)重于隱性知識的推理和挖掘［6］.知識圖譜在中醫(yī)藥領(lǐng)域多元場景開展應(yīng)用，直觀、全面地展現(xiàn)中醫(yī)學(xué)思維，支撐中醫(yī)領(lǐng)域語義搜索、智能問答、決策支持等知識服務(wù)，正逐步替代知識庫成為中醫(yī)智能問答、智能診斷等中醫(yī)智慧醫(yī)療服務(wù)的最主要知識來源［7-8］.本文梳理中醫(yī)藥領(lǐng)域的知識圖譜多元應(yīng)用場景的研究概況，為后續(xù)研究提供參考.

1中醫(yī)古籍領(lǐng)域的應(yīng)用

浩如瀚海的中醫(yī)古籍凝聚了眾多醫(yī)家的證治經(jīng)驗，古籍作為中醫(yī)藥知識的一種載體，具有較高的學(xué)術(shù)價值，既往的傳統(tǒng)方法在處理海量古籍知識時存在一定的效率問題.引入現(xiàn)代信息技術(shù)，可以存儲并挖掘古籍中的隱性知識，構(gòu)建中醫(yī)古籍的知識圖譜，有助于古籍的可視化、結(jié)構(gòu)化，高效整合古籍知識，是中醫(yī)藥傳承創(chuàng)新發(fā)展的有效路徑［9-10］.

長沙馬王堆漢墓出土的《五十二病方》，通過人工標注抽取其中的實體、關(guān)系，利用Py2neo包導(dǎo)入Neo4j圖形數(shù)據(jù)庫，構(gòu)建知識圖譜進行可視化展示，進一步使用樸素貝葉斯算法實現(xiàn)意圖分類，實現(xiàn)了具有邏輯推理功能的智能問答應(yīng)用，進一步挖掘、分析利用《五十二病方》中的中醫(yī)思維、用藥規(guī)律［11］.張曉曉［12］以《金匱要略》原著作為研究對象，在邏輯數(shù)據(jù)集的基礎(chǔ)上形成了包含1 283個實體和7 710個三元組的知識圖譜；發(fā)現(xiàn)《金匱要略》原著重視對各種癥狀表現(xiàn)的描述，長于藥材配伍的應(yīng)用，辨證論治的方藥理論分析詳細，原著也注重通過癥狀和體征來辨病，脈象更多是用來推斷病機；在知識圖譜的檢索應(yīng)用過程中，分別以病證、癥脈、方藥為切入點，各生成了相應(yīng)的辨證論治鏈條，驗證了其可用性.林睿凡等［13］通過自下而上的方法抽取《傷寒論》版本的實體和關(guān)系，構(gòu)建《傷寒論》版本本體；基于版本本體將實體添加于各類概念中，獲得三元組，通過Neo4j圖形數(shù)據(jù)庫儲存本體和知識圖譜，完成《傷寒論》版本知識及框架的梳理.此外，王菁薇［14］采用基于規(guī)則的方法提取《傷寒論》的信息；運用多項分布樸素貝葉斯模型訓(xùn)練完成問答系統(tǒng)關(guān)系模型，分類效果較好，可以快速獲取《傷寒論》知識，有助于古籍信息化的發(fā)展.李芊芊等基于“病脈證并治”診療思維模式設(shè)計、構(gòu)建《傷寒論》知識圖譜，梳理古籍文字的邏輯關(guān)系并可視化展示，可形成病-證、方-證、方-藥等關(guān)系網(wǎng)絡(luò)，實現(xiàn)邏輯推理和智能問答應(yīng)用［15］.

李榮耀等［16］立足于中醫(yī)經(jīng)典從“藏”到“用”的轉(zhuǎn)變，以半結(jié)構(gòu)化和非結(jié)構(gòu)化的《本草綱目》為數(shù)據(jù)源，抽取多模態(tài)信息，統(tǒng)一存儲，形成多模態(tài)《本草綱目》 知識圖譜，對其中的中醫(yī)學(xué)、中藥學(xué)知識重新構(gòu)建檢索思路.鄒曉嵐［17］借助基于規(guī)則和自定義詞典的知識抽取與命名實體識別，基于Anaconda3平臺，批量導(dǎo)入，建立溫病學(xué)派古籍知識圖譜；再從功能需要、用戶需求等入手，使用Echarts進行可視化展示，前后端通過Ajax實現(xiàn)數(shù)據(jù)交互，數(shù)據(jù)庫方面采用Neo4j+SQLite數(shù)據(jù)庫存儲信息，構(gòu)建溫病學(xué)派古籍知識問答系統(tǒng).侯雪雍等［18］整理古籍中大頭瘟的方藥記載數(shù)據(jù)構(gòu)建圖形數(shù)據(jù)庫，導(dǎo)入古今醫(yī)案云平臺分析；借助知識圖譜得出不同古籍大頭瘟治療思路共識，指導(dǎo)臨床治療以風(fēng)熱毒火上攻頭面為核心病機，以頭面部紅腫熱痛，并伴有發(fā)熱、身痛等全身癥狀的疾病，如鼠疫、組織細胞壞死性淋巴結(jié)炎、流行性腮腺炎、顏面丹毒、瞼腺炎等.田賽男［19］運用信息學(xué)方法構(gòu)建《傅青主女科》智能診療知識圖譜，對《傅青主女科》相關(guān)知識進行數(shù)據(jù)管理和挖掘研究，為傳承和發(fā)展中醫(yī)藥新理論、新經(jīng)驗提供參考經(jīng)驗，有助于實現(xiàn)名醫(yī)經(jīng)典等傳承學(xué)術(shù)經(jīng)驗的客觀化、標準化以及理論化.

2中醫(yī)診斷領(lǐng)域的應(yīng)用

望、聞、問、切四診信息的客觀采集和智能辨證的研究是中醫(yī)藥領(lǐng)域的一個研究熱點，其發(fā)展進步為四診信息客觀化、四診信息數(shù)據(jù)處理、臨床治療智能化奠定了基礎(chǔ)［20］.以癥、證、四診望聞問切、辨證方法等為基礎(chǔ)，構(gòu)建中醫(yī)診斷領(lǐng)域的知識圖譜，進行可視化或者設(shè)計中醫(yī)診法相關(guān)系統(tǒng)、中醫(yī)健康管理平臺、中醫(yī)智能問答模型等，對輔助診斷、方藥推薦等推理過程給出直觀解釋，便于醫(yī)生理解，相關(guān)的功能也為公眾帶來了便捷的健康服務(wù)［21-22］.

謝文利等選取《中醫(yī)藥學(xué)名詞》作為癥狀知識來源，構(gòu)建中醫(yī)癥狀知識庫，運用描述性統(tǒng)計、關(guān)聯(lián)規(guī)則分析等數(shù)據(jù)挖掘方法，闡述高頻證型以及癥狀信息分布規(guī)律、癥狀以及癥狀隱性知識之間的關(guān)聯(lián)關(guān)系，利用Neo4j構(gòu)建中醫(yī)癥狀知識圖譜并分析病證-癥狀-屬性之間的知識關(guān)聯(lián)關(guān)系［23］.此外，證候作為中醫(yī)辨證的核心，強調(diào)用整體觀念看待局部的問題.目前證候生物學(xué)基礎(chǔ)研究在動物造模、疾病的證候分析等方面取得了一定成果，但受制于證候相關(guān)數(shù)據(jù)特別是證候分子關(guān)聯(lián)數(shù)據(jù)的缺乏，為此構(gòu)建證候相關(guān)知識圖譜并進行分析，以該知識圖譜為基礎(chǔ)開展證候基因關(guān)系預(yù)測研究以及證候分子網(wǎng)絡(luò)機制解析研究［24］.

四診方面，隨著深度學(xué)習(xí)技術(shù)、自然語言處理技術(shù)、知識圖譜技術(shù)、對話系統(tǒng)等相關(guān)技術(shù)的不斷發(fā)展，鐘有東等［25］提出一種基于Rasa框架的中醫(yī)問答系統(tǒng)設(shè)計的、在Ubuntu 16.04的環(huán)境下、采用Rasa開源問答系統(tǒng)框架和基于Flask框架的輕量級的Web服務(wù)器，通過云端服務(wù)器的公網(wǎng)實現(xiàn)任何人都可訪問的中醫(yī)智能化問答系統(tǒng).近年來線上問診方式出現(xiàn)，人們在身體不適時可以進行疾病初步自診，獲得醫(yī)療建議.然而中醫(yī)問診與其他線上問診不同，中醫(yī)問診過程中辯證思維尤為突出.劉茂［26］將病人問診中獲得的四診癥狀作為參數(shù)，證候作為結(jié)論，以中醫(yī)辯證方法作為證候的推理原則，建立邏輯表達式，設(shè)計基于知識圖譜的智能問診系統(tǒng)，為用戶提供中醫(yī)辯證診療服務(wù).羅智平將語音識別技術(shù)融入知識圖譜的構(gòu)建，設(shè)計智能問診系統(tǒng)，通過中醫(yī)知識圖譜減少傳統(tǒng)問診中醫(yī)生的主觀性，實現(xiàn)中醫(yī)問診的客觀化和智能化［27］.陳細亞等［28］在舌診的知識圖譜構(gòu)建中，涵蓋了舌象實體、屬性、關(guān)系的結(jié)構(gòu)化知識框架；同時開發(fā)的中醫(yī)舌診儀可以智能采集、分析和辨證論治，實現(xiàn)了中醫(yī)舌診的定量化、標準化和智能化.

中醫(yī)辨證是中醫(yī)臨床立法、處方、用藥的基礎(chǔ)和前提.電子病歷語料質(zhì)量不高，模型訓(xùn)練擬合程度不高，中醫(yī)四診資料表達形式有一定差異，識別能力受到限制；所以處理過程可以將四診資料多通道分開，利用人工構(gòu)建的小規(guī)模知識圖譜，增強模型訓(xùn)練，提出融合知識圖譜的多通道中醫(yī)辨證模型；結(jié)果也驗證了模型對中醫(yī)辨證具有顯著效果［29］.目前，中醫(yī)辨證智能化還存在的難點在于，中醫(yī)臨床辨證時存在多證候相兼問題，這使得中醫(yī)辨證本質(zhì)上成為多標簽學(xué)習(xí)任務(wù).陳詩琪［30］提出了一種基于改進ML-Relief F和多標簽深度森林（Multi-Label Deep Forest，MLDF）的中醫(yī)辨證分析模型，首次將MLDF算法引入中醫(yī)辨證分析任務(wù)，利用其強大的表征學(xué)習(xí)能力，在小規(guī)模醫(yī)療文本數(shù)據(jù)集的訓(xùn)練下得到證候預(yù)測結(jié)果；實驗結(jié)果證明了使用改進ML-Relief F特征選擇算法的必要性與所提出模型的可行性，提出了一套基于Neo4j的多源異構(gòu)中醫(yī)領(lǐng)域知識圖譜構(gòu)建流程.

3名老中醫(yī)診治經(jīng)驗領(lǐng)域的應(yīng)用

名老中醫(yī)的臨床經(jīng)驗和學(xué)術(shù)思想是一筆寶貴的財富，也是中醫(yī)藥傳承的重要方面.總結(jié)名老中醫(yī)診治經(jīng)驗的方法多樣，也取得了一定成果，但研究數(shù)據(jù)部分還存在質(zhì)量有待提高的需求.如何客觀、全面、高效地將經(jīng)驗、思想轉(zhuǎn)化為“知識”，引入知識圖譜技術(shù)，讓名老中醫(yī)經(jīng)驗可復(fù)制、可創(chuàng)新［31］.通過整合多種數(shù)據(jù)源，構(gòu)建知識圖譜，推動數(shù)字化傳承，使其在現(xiàn)代社會中得到傳播和應(yīng)用，為中醫(yī)藥的發(fā)展和傳承注入新的活力［32］.

王群［33］收集了144位名老中醫(yī)的643例醫(yī)案，建立冠心病名老中醫(yī)醫(yī)案數(shù)據(jù)庫，在保證語義表達準確、完整的前提下，規(guī)范化處理抽取的信息，解決多詞一義、錯寫、簡寫等問題；利用Python編寫規(guī)則，運用正則表達式將數(shù)據(jù)進行抽取，通過函數(shù)get-triples（）批量抽取三元組，導(dǎo)入Neo4j圖形數(shù)據(jù)庫，批量創(chuàng)建節(jié)點和關(guān)系，實現(xiàn)冠心病現(xiàn)代名老中醫(yī)臨床診療經(jīng)驗知識的可視化.邵想想等［34］在肺癌疾病的研究中考慮其記錄分散、隱性知識多等問題，使用 RED-GNN 模型，以知識圖譜為根據(jù)推斷現(xiàn)有事實，挖掘圖譜中的隱含知識，實現(xiàn)肺癌知識圖譜的信息挖掘，達到完善肺癌診療知識圖譜的目的.高曉苑等［35］設(shè)計深度學(xué)習(xí)和正則表達式相結(jié)合的醫(yī)案文本實體抽取方法，對非結(jié)構(gòu)化醫(yī)案文本實體自動抽??；定義實體關(guān)系，利用HAN方法計算實體之間的相關(guān)性，形成“實體-關(guān)系-實體”三元組；利用圖形數(shù)據(jù)庫Neo4j進行知識存儲、Gephi進行可視化展示名老中醫(yī)診治肺癌“病-癥-機-藥”之間的關(guān)系.楊晶堯等［36］重點突破了基于UIE模型的知識抽取、基于“證素”的知識表示和本體模型構(gòu)建、基于Neo4j的知識圖譜生成、基于圖算法的診療規(guī)律發(fā)現(xiàn)等技術(shù)難點，利用知識圖譜實現(xiàn)醫(yī)案所載診療知識及其關(guān)系的直觀展現(xiàn)，實現(xiàn)了對醫(yī)案中中醫(yī)診療規(guī)律的可視化呈現(xiàn).劉濤等［32］構(gòu)建名老中醫(yī)知識圖譜，設(shè)計和優(yōu)化機器學(xué)習(xí)模型，構(gòu)建一個集智能問診、辨證、組方和審核功能的名老中醫(yī)智慧傳承工作站，提高診療效率，推動名老中醫(yī)智慧傳承.

4中藥領(lǐng)域的應(yīng)用

在中醫(yī)理論的指導(dǎo)下，中藥在幾千年來的醫(yī)療過程中，積累了豐富經(jīng)驗的同時也產(chǎn)生了海量的知識文獻.隨著信息技術(shù)的發(fā)展與融合，知識圖譜通過可視化的圖譜闡明中藥配伍間的深層聯(lián)系，為中藥現(xiàn)代化研究發(fā)展提供了新的研究思路.

中草藥是千百年來無數(shù)先輩智慧的結(jié)晶，整合海量中草藥數(shù)據(jù)，應(yīng)用知識圖譜技術(shù)進行網(wǎng)絡(luò)數(shù)據(jù)的語義鏈接，可以整合利用多源異構(gòu)數(shù)據(jù)，解決中草藥知識碎片化的問題，改變知識展示形式單一的現(xiàn)狀.通過建立中草藥數(shù)據(jù)集，構(gòu)建中草藥知識圖譜，研發(fā)基于中草藥知識圖譜的智能服務(wù)平臺，以一種全新的形式推動中草藥的發(fā)展［37］.李城名［38］采用Bi LSTMCRF模型和CNN模型分別完成實體識別和實體關(guān)系抽取任務(wù)，運用圖形數(shù)據(jù)庫Neo4j存儲知識圖譜三元組數(shù)據(jù)，構(gòu)建中草藥知識圖譜；訓(xùn)練深度學(xué)習(xí)模型以提高自動問答系統(tǒng)的自然語言理解能力，構(gòu)建出問答系統(tǒng)，達到普及知識、滿足用戶需求和輔助中醫(yī)臨床應(yīng)用的作用.此外劉春柳［39］構(gòu)建面向中醫(yī)理論的常用中藥材知識圖譜，以常用中藥材知識圖譜為數(shù)據(jù)基礎(chǔ)，設(shè)計并完成常用中藥材知識圖譜問答方法，為用戶提供中藥材知識問答.黨少康［40］采用主流的命名實體識別技術(shù)BiLSTM-CRF對《中華人民共和國藥典》（2020）進行命名實體識別，相關(guān)數(shù)據(jù)庫關(guān)聯(lián)，構(gòu)建了針對中國藥典中每一種藥品的知識圖譜，實現(xiàn)了藥典藥品與各生產(chǎn)企業(yè)的批準文號、規(guī)格、劑型、成分、ATC分類等相關(guān)數(shù)據(jù)的關(guān)聯(lián)，填補了中國藥典圖譜構(gòu)建研究領(lǐng)域的空白.劉燦［41］對《中醫(yī)方劑大辭典》、《中華本草》等書籍通過數(shù)據(jù)處理手段獲取藥方、藥材、癥狀等多維數(shù)據(jù)，構(gòu)建知識圖譜，進而提出了一種新的多任務(wù)聯(lián)合學(xué)習(xí)模型SM-MKR，有效地利用知識圖譜信息來輔助藥方推薦任務(wù)；設(shè)計并實現(xiàn)多功能的藥方推薦線上系統(tǒng)，實現(xiàn)具有登錄注冊、智能開方、數(shù)據(jù)分析、信息檢索等多種功能的智能藥方輔助推薦系統(tǒng).

中成藥的使用和生產(chǎn)規(guī)模不斷增大，產(chǎn)生了越來越多的中成藥數(shù)據(jù)，利用知識圖譜搭建中成藥智能問答平臺；在用戶文本提問或語音提問后，平臺在海量中成藥信息中迅速準確地查詢相關(guān)信息，并呈現(xiàn)相關(guān)中成藥的知識圖譜輔助用戶理解［42］.周雪陽等［43］采集中成藥開源數(shù)據(jù)，通過實體抽取、屬性抽取、知識融合等技術(shù)成功構(gòu)建了基于Neo4j 圖形數(shù)據(jù)庫的中成藥知識圖譜體系，同時結(jié)合 Flask框架與 Echarts 可視化技術(shù)搭建了中成藥數(shù)據(jù)可視化平臺.李京凱等［44］檢索祛瘀劑中成藥說明書及相關(guān)文獻中的數(shù)據(jù)，進行實體、關(guān)系、屬性的抽取，完成數(shù)據(jù)庫的建立；從證候、治法、疾病、藥物等方面構(gòu)建祛瘀劑中成藥知識圖譜，并對知識圖譜進行處方點評和中醫(yī)臨床輔助決策檢驗.

為改善患者的中藥服法，更好地發(fā)揮中藥的臨床效果，走好中藥治療“最后一公里”，熊旺平等［45］挖掘中醫(yī)古籍服藥方法并構(gòu)建中藥服藥知識圖譜，采用RFID系統(tǒng)、物聯(lián)網(wǎng)技術(shù)以及多向傳感器開發(fā)中藥服藥杯墊，構(gòu)建中藥智能服藥服務(wù)系統(tǒng)，形成具有2 000多首方劑的中藥服藥知識圖譜，為患者服用中藥提供幫助，推動中藥臨床應(yīng)用向智能化方向發(fā)展.

5小結(jié)

知識圖譜融合數(shù)據(jù)挖掘、圖論、應(yīng)用數(shù)學(xué)、統(tǒng)計學(xué)等多種方法，研究知識的多維網(wǎng)絡(luò)關(guān)系，探索其演化規(guī)律等內(nèi)容［46］.現(xiàn)階段中醫(yī)藥領(lǐng)域的知識圖譜應(yīng)用還處于起步階段，在中醫(yī)古籍、中醫(yī)診斷、名老中醫(yī)診治經(jīng)驗、中藥領(lǐng)域等方面開展了大量的工作，有序管理海量數(shù)據(jù)，實現(xiàn)知識深度關(guān)聯(lián)、沉淀、挖掘和利用，是人工智能大數(shù)據(jù)時代管理知識的關(guān)鍵技術(shù)［47］.如何更好地利用知識圖譜技術(shù)推動中醫(yī)藥領(lǐng)域的發(fā)展，還有一些問題需要進一步探索，比如：優(yōu)化知識發(fā)現(xiàn)方法，提高模型效率，增強知識發(fā)現(xiàn)結(jié)果的準確性和有效性，提升知識發(fā)現(xiàn)結(jié)果的可解釋性，構(gòu)建有效的結(jié)果評估框架，規(guī)范化、多領(lǐng)域?qū)＜覅f(xié)同的知識發(fā)現(xiàn)流程等等，從而提高知識發(fā)現(xiàn)研究整體效果［48］.下一步，還可以利用知識圖譜技術(shù)深入開展海量中醫(yī)藥知識智能化處理，在中醫(yī)藥領(lǐng)域?qū)崿F(xiàn)多元場景應(yīng)用，支撐、拓展中醫(yī)藥領(lǐng)域多種知識服務(wù)，進一步推動中醫(yī)藥智能化的進程.

［參考文獻］

［1］翟東升，婁瑩，闞慧敏，等.基于多源異構(gòu)數(shù)據(jù)的中醫(yī)藥知識圖譜構(gòu)建與應(yīng)用研究［J］.數(shù)據(jù)分析與知識發(fā)現(xiàn)，2023，7（9）：146-158.

［2］顧澤元，劉星，陳慧琴.基于中醫(yī)藥領(lǐng)域圖譜自動構(gòu)建與可視化研究［J］.齊齊哈爾大學(xué)學(xué)報（自然科學(xué)版），2022，38（6）：43-54+73.

［3］韓慧.關(guān)于知識圖譜在大數(shù)據(jù)中的應(yīng)用闡述［J］.長江信息通信，2022，35（2）：121-124.

［4］孫錫波，謝曉堯，鄭欣.融合多源數(shù)據(jù)的學(xué)科知識圖譜構(gòu)建與應(yīng)用［J］.福建電腦，2023，39（11）：6-13.

［5］牛子儒，張瀟然，續(xù)文靜，等.基于知識圖譜的中醫(yī)知識學(xué)習(xí)研究與實踐［J］.電腦編程技巧與維護，2023（2）：20-23.

［6］沈蓉蓉，夏帥帥，晏峻峰.命名實體識別在中醫(yī)藥領(lǐng)域研究進展［J］.醫(yī)學(xué)信息學(xué)雜志，2023，44（1）：47-53.

［7］姬鵬超，夏翃.基于知識圖譜的醫(yī)學(xué)信息化標準的研究與分析［J］.衛(wèi)生職業(yè)教育，2024，42（2）：152-156.

［8］董美.面向中醫(yī)領(lǐng)域知識圖譜構(gòu)建的實體關(guān)系抽取方法研究［D］.北京：中國科學(xué)院大學(xué)（中國科學(xué)院文獻情報中心），2022.

［9］曾子玲.基于古籍的陰虛證知識圖譜構(gòu)建及其關(guān)鍵技術(shù)研究［D］.北京：中國中醫(yī)科學(xué)院，2023.

［10］劉悅悅，李燕，李春雨，等.基于深度強化學(xué)習(xí)的中醫(yī)古籍圖譜推理研究［J/OL］.中國中醫(yī)藥信息雜志：1-7.（2024-01-15）［2024-02-01］.https：//link.cnki.net/urlid/11.3519.R.20240115.0958.007.

［11］盧彥杰，盛威，劉偉，等.《五十二病方》知識圖譜的構(gòu)建與應(yīng)用研究［J］.中國數(shù)字醫(yī)學(xué)，2023，18（10）：105-110.

［12］張曉曉.《金匱要略》知識圖譜構(gòu)建及應(yīng)用研究［D］.吉林：吉林大學(xué)，2023.

［13］林睿凡，周洪偉，劉亮亮，等.基于本體方法構(gòu)建《傷寒論》版本知識圖譜［J］.中國中醫(yī)基礎(chǔ)醫(yī)學(xué)雜志，2023，29（10）：1630-1633.

［14］王菁薇.基于知識圖譜的《傷寒論》智能問答系統(tǒng)研究［D］.長沙：湖南中醫(yī)藥大學(xué)，2023.

［15］李芊芊，付興，楊鳳，等.基于“病脈證并治”診療思維的《傷寒論》知識圖譜構(gòu)建與應(yīng)用［J］.世界科學(xué)技術(shù)-中醫(yī)藥現(xiàn)代化，2022，24（9）：3613-3621.

［16］李榮耀，徐倩，吳雨璐，等.基于《本草綱目》的多模態(tài)知識圖譜的構(gòu)建研究［J］.現(xiàn)代計算機，2022，28（13）：10-17+24.

［17］鄒曉嵐.溫病學(xué)派古籍的知識圖譜構(gòu)建與應(yīng)用［D］.長春：長春中醫(yī)藥大學(xué)，2023.

［18］侯雪雍，劉龍坤，陳宣妤，等.大頭瘟疫古今病名考及其臨床應(yīng)用價值分析［J］.中國中醫(yī)急癥，2023，32（11）：1920-1926.

［19］田賽男.《傅青主女科》證治規(guī)律及知識圖譜構(gòu)建研究［D］.長沙：湖南中醫(yī)藥大學(xué)，2023.

［20］張世祺，孫宇衡，咸楠星，等.中醫(yī)四診客觀化與智能化研究進展［J］.中醫(yī)藥導(dǎo)報，2023，29（6）：170-174.

［21］周海，彭斐靈，韋昌法.中醫(yī)診斷學(xué)辨證知識圖譜構(gòu)建研究與實踐［J］.醫(yī)學(xué)信息學(xué)雜志，2020，41（12）：41-44.

［22］曾子玲，張華敏，于彤，等.知識圖譜及其關(guān)鍵技術(shù)在中醫(yī)藥領(lǐng)域的研究與應(yīng)用綜述［J］.世界科學(xué)技術(shù)-中醫(yī)藥現(xiàn)代化，2022，24（2）：780-788.

［23］謝文利，李君，毛樹松，等.中醫(yī)癥狀知識庫知識關(guān)聯(lián)研究［J］.醫(yī)學(xué)信息學(xué)雜志，2023，44（2）：35-41.

［24］董漢陽.基于知識圖譜的證候基因關(guān)系預(yù)測及分子機制研究［D］.北京：北京交通大學(xué)，2023.

［25］鐘有東，王峰，邱逸銘，等.基于Rasa框架的中醫(yī)問答系統(tǒng)設(shè)計［J］.電腦知識與技術(shù)，2022，18（11）：74-76.

［26］劉茂.基于知識圖譜的中醫(yī)問診系統(tǒng)［D］.重慶：西南大學(xué)，2023.

［27］羅智平.基于語音識別技術(shù)和中醫(yī)知識圖譜的智能中醫(yī)問診系統(tǒng)的設(shè)計與實現(xiàn)［D］.廈門：廈門大學(xué)，2022.

［28］陳細亞，王玲.基于知識圖譜的中醫(yī)舌診儀的設(shè)計［J］.鞋類工藝與設(shè)計，2023，3（22）：105-107.

［29］葉青，張素華，程春雷，等.融合知識圖譜的多通道中醫(yī)辨證模型［J］.科學(xué)技術(shù)與工程，2022，22（21）：9190-9198.

［30］陳詩琪.基于多標簽學(xué)習(xí)的中醫(yī)辨證分析研究［D］.南京：南京郵電大學(xué)，2023.

［31］駱長永，劉智，于河，等.錢學(xué)森系統(tǒng)工程體系在名老中醫(yī)經(jīng)驗傳承中的應(yīng)用模式解析［J］.中國中醫(yī)基礎(chǔ)醫(yī)學(xué)雜志，2023，29（11）：1855-1858.

［32］劉濤，董亮，黃偉.名老中醫(yī)智慧傳承工作站構(gòu)建與應(yīng)用［J］.中國衛(wèi)生信息管理雜志，2023，20（3）：352-357.

［33］王群.冠心病現(xiàn)代名老中醫(yī)臨床診療經(jīng)驗知識圖譜的構(gòu)建［D］.濟南：山東中醫(yī)藥大學(xué)，2023.

［34］邵想想，胡孔法，戴彩艷.基于RED-GNN的名老中醫(yī)診治肺癌知識圖譜推理［J］.軟件導(dǎo)刊，2023，22（3）：112-117.

［35］高曉苑，高文佳，王欣宇，等.基于醫(yī)案文本的名老中醫(yī)診療知識圖譜構(gòu)建方法及應(yīng)用［J］.世界科學(xué)技術(shù)-中醫(yī)藥現(xiàn)代化，2023，25（9）：2967-2974.

［36］楊晶堯，楊方燕，朱文慧，等.基于醫(yī)案知識圖譜的中醫(yī)診療規(guī)律發(fā)現(xiàn)研究［J］.世界中西醫(yī)結(jié)合雜志，2023，18（4）：821-831+835.

［37］崔帥帥.基于深度學(xué)習(xí)的中草藥知識圖譜構(gòu)建及應(yīng)用［D］.阿拉爾市：塔里木大學(xué)，2023.

［38］李城名.基于信息抽取的中草藥知識圖譜構(gòu)建研究［D］.杭州：浙江科技學(xué)院，2022.

［39］劉春柳.面向中醫(yī)理論的常用中藥材知識圖譜構(gòu)建與應(yīng)用研究［D］.吉林：吉林農(nóng)業(yè)大學(xué)，2023.

［40］黨少康.基于《中國藥典》的知識圖譜構(gòu)建與研究［D］.北京：北京交通大學(xué)，2023.

［41］劉燦.基于知識圖譜的藥方輔助推薦系統(tǒng)實現(xiàn)［D］.重慶：西南大學(xué)，2023.

［42］郭紫琴，譚智福，王嘉俊，等.基于知識圖譜的中成藥智能問答平臺構(gòu)建［J］.電腦與信息技術(shù)，2023，31（4）：52-57.

［43］周雪陽，廖詩雨，董澤華，等.中成藥數(shù)據(jù)圖譜可視化與知識問答平臺研究［J］.軟件導(dǎo)刊，2022，21（5）：158-162.

［44］李京凱，金昱瑤，楊孝來，等.祛瘀劑中成藥知識圖譜的構(gòu)建及應(yīng)用［J］.時珍國醫(yī)國藥，2023，34（10）：2547-2550.

［45］熊旺平，劉世雄.基于知識圖譜的中藥智能服藥服務(wù)系統(tǒng)的研究［J］.現(xiàn)代信息科技，2023，7（18）：137-141+149.

［46］王赫楠，孫艷秋，張柯欣.知識圖譜在中醫(yī)藥領(lǐng)域應(yīng)用研究［J］.遼寧中醫(yī)藥大學(xué)學(xué)報，2022，24（8）：182-185.

［47］黃賀瑄，王曉燕，顧正位，等.醫(yī)學(xué)知識圖譜構(gòu)建技術(shù)及發(fā)展現(xiàn)狀研究［J］.計算機工程與應(yīng)用，2023，59（13）：33-48.

［48］梅佳月，孫佳，侯躍芳.生物醫(yī)學(xué)領(lǐng)域基于知識圖譜的知識發(fā)現(xiàn)方法綜述［J］.醫(yī)學(xué)信息學(xué)雜志，2024，45（1）：45-51.

［責(zé)任編輯馬云彤］