基于語義網的中醫藥術語系統融合方法研究

于　彤　　李海燕　　劉　靜　　賈李蓉中國中醫科學院中醫藥信息研究所，北京　100700

?

基于語義網的中醫藥術語系統融合方法研究

于彤李海燕劉靜賈李蓉
中國中醫科學院中醫藥信息研究所，北京100700

[摘要]中醫藥領域已出現了中醫藥學語言系統、中醫臨床術語集等許多術語系統。中醫藥術語系統的總量很大，但互不兼容，難以融合，尚不能完全滿足中醫藥信息化建設的需求。實現多術語系統的融合已成為推動術語系統應用的一個先決條件。為此，本文提出基于語義網的中醫藥術語系統融合方法：將各種術語系統轉換為統一的語義網本體，并將這些本體合并起來，進而在不同本體的概念之間建立語義關系。采用該方法實現了中醫藥學語言系統等中醫藥術語系統的轉換與融合，從而初步驗證了所提方法的可行性。

[關鍵詞]中醫藥；本體；語義網；術語系統融合

本體是一種用于表示領域知識的計算機模型，它定義了一個領域中的概念以及概念之間的關系，從而對領域概念體系進行精確描述[1]。本體技術具有邏輯嚴謹、易于維護、支持推理等特點，因此逐漸成為構建生物醫學術語系統的一項主流技術[2]。近年來，中醫藥工作者還將本體技術引入中醫藥領域，研制了“中醫藥學語言系統（traditional Chinesemedicine language system，TCMLS）”[3]、“中醫藥臨床術語集（traditional Chinesemedicine clinical terms，TCMCT）”[4]等大型的術語系統。實踐證明，本體能很好地處理中醫藥領域中的詞義模糊、一詞多義、一義多詞等各種復雜的語言現象，是構建中醫藥術語系統的有效手段[5]。

中醫藥領域的術語系統已漸成體系，初具規模，但彼此之間并不兼容，難以融合，嚴重影響了中醫藥術語系統的應用效果。實現多術語系統的融合，已成為推動術語系統應用的一個先決條件，可將各種形式的術語系統統一轉換為規范化的本體，并建立這些本體的映射和關聯，從而解決術語系統融合問題。作為一項新興的互聯網技術，語義網（semantic web）[6]為實現基于本體的多術語融合提供了理想的技術手段。本文簡要介紹語義網的相關技術，并闡述基于語義網的中醫藥術語系統融合方法及其應用價值和意義。

1　語義網技術簡介

萬維網創始人Berners-Lee等[6]于2001年提出了語義網的技術構想，認為它將成為一個機器可理解、人機共享的信息空間。自2001年至今，語義網技術及其應用迅猛發展，出現了本體編輯工具、推理機、語義瀏覽器、語義搜索引擎等大量的實用工具，使語義網從一個構想發展成為一套相對完整的技術體系[7]。語義網技術在中醫藥領域已得到了成功的應用[8]。

語義網的基礎性數據模型被稱為“資源描述框架（resource description framework，RDF）”[7]。RDF的基本單元是形如（主體、謂詞、客體）的三元組，被稱為RDF陳述。RDF陳述表示主體與客體之間的一種關系，謂詞則用于定義這一關系的類型。RDF陳述可被表示為一個有向圖，其中：①主體被表示為一個節點；②客體被表示為一個節點；③屬性被表示為從主體節點到客體節點的弧。一系列RDF陳述可組成一個RDF圖，用于描述領域知識。簡單地說，將兩個RDF圖進行融合意味著求兩個RDF陳述集合的并集。RDF使用統一資源標識（URI）來表示共享領域術語，因此RDF圖的融合不會造成語義的丟失和扭曲。這一技術特點決定了語義網在解決術語系統融合方面的內在優勢。在國際上，已出現了一系列實用的RDF庫，用于RDF數據的管理和維護。SPARQL（simple protocol and RDF query language）是語義網的標準查詢語言，可通過SPARQL查詢語言對RDF庫進行查詢和訪問[9]。

在語義網的技術體系中，有一項專門面向術語系統等知識組織系統的技術規范，被稱為“簡單知識組織系統（simpleknowledgeorganization system，SKOS）”[10]。SKOS將各種知識組織系統的共性提煉出來并給予明確規定，以支持知識組織系統的規范化表達。SKOS所規定的核心詞匯（即SKOS core），可用于將術語系統表達為機器可理解且能在互聯網上發布和交換的領域本體[11]。因此，SKOS為各種術語系統在互聯網上的發布、共享與連接提供了通用的數據標準格式。

2　基于語義網的術語系統融合方法

SKOS和RDF相結合為術語系統的規范化表達提供了理想的模型，可用于中醫藥術語系統的發布、轉換、移植、融合等，可通過SKOS/RDF技術，將中醫藥術語系統轉化為語義網本體，從而實現中醫藥術語系統的融合。為此，采用Protégé[12]、Pellet[13]、OntoGraf[14]等技術開發了相關的術語系統融合工具，并通過這套工具將TCMLS等術語系統整合在一個術語資源庫中。術語系統融合方法包括如下的步驟：①將術語系統轉化為語義網本體；②實現多個語義網本體的合并和對齊；③將融合后的本體存入術語資源庫中，實現中醫藥術語資源的集中式管理與服務。下面對這一過程進行具體介紹：

第一步，將各種術語系統轉換為SKOS格式的規范化本體。于彤等[11]介紹了將TCMLS這一典型的術語系統轉換為SKOS本體的方案：TCMLS的數據被轉換為對應的RDF陳述，這些RDF陳述最終構成了一個SKOS本體。通過該方法，進一步將國家標準“中醫臨床診療術語證候部分”[15]，以及世界衛生組織出版的傳統醫學術語（以下簡稱WHO Terms）[16]等其他術語系統轉換為SKOS本體。

下面以圖1所示的RDF圖為例介紹這些SKOS本體的形態。在TCMLS這個RDF圖中，包括“木”“火”等概念以及“生”等語義關系，它們都帶有“tcmls”的前綴。RDF圖中包括概念的編碼、標簽及定義等語義信息，以及概念之間的語義關系。例如，“木”與“火”之間有一條標記為“生”的邊，表示“木、生、火”這條語義關系。WHO Terms這個RDF圖中，則以英文為主表達類似的內容。

圖1　中醫藥術語系統融合示意圖

第二步，將上述本體匯集在一起，實現本體之間的對齊（Alignment）。本體對齊的主要工作，是在不同本體的概念之間建立語義關系。如圖1所示，以TCMLS和WHO Terms這兩個術語系統為例，本體對齊主要是在它們的概念之間建立等價（owl：sameAs）關系，例如：在TCMLS中的“tcm ls：火”與WHO Terms中的“who：fire”之間可建立owl：sameAs連接；在TCMLS中的“tcmls：木”與WHO Terms中的“who：wood”之間也可建立owl：sameAs連接。這些等價關系將本體融合在一起，從而豐富了概念的語義信息。例如，在融合后的本體中，“木”這個概念具有了中英文兩種定義。

在語義網的框架下，可綜合使用各種方法來生成本體之間的語義關系。最有效的方法是使用通過SPARQL CONSTRUCT實現的規則。例如，如圖2a所示，如果兩個術語資源具有相同的正名（skos：prefLabel），則它們之間具有語義等價性。又如，如果兩個術語資源具有相同的編碼或ID，則它們之間具有語義等價性。再如圖2b所示，如果某個屬性具有唯一標識性，兩個資源具有相同的屬性值，則這兩個資源是語義等價的。一個典型的實例是關于人的電子郵箱地址：如果兩個資源（foaf：Person表示“人類”這個類別）具有相同的電子郵箱地址，則它們具有語義等價性，即指代同一個人。

第三步，建立術語資源庫，對多個術語系統進行集中管理，并基于萬維網提供統一的術語服務。這一術語資源庫是基于RDF庫構建的，它可通過SPAR-QL查詢語言進行訪問、編輯和擴充，并通過萬維網服務接口為各種語義網應用程序提供統一的術語服務。

圖2　本體對齊方法示意圖

3　討論

術語系統融合是中醫藥術語加工與應用中非常重要的一環。首先，通過術語系統融合，能有效提升術語系統的規模和完整性。中醫藥領域術語極其豐富，且隨著學科發展在不斷產生新詞。即使是TCMLS之類大型的通用術語系統，也難以完整覆蓋中醫藥領域的術語。但若能將面向中醫理論、中醫臨床、溫病學、針灸學等各專科的術語系統融合起來，則可產生更為完整的術語系統，從而更好地滿足信息應用的需求。其次，通過術語系統融合，能夠顯著提升術語構建工作的效率。從頭開始構建一個術語系統往往是一項復雜的工程。若能重用已有術語系統中的內容以形成新的術語系統，則可避免術語資源重復建設。通過術語系統融合方法，可從已有的術語系統中提取出相關內容，融入新的術語系統之中；也可將多個術語系統融合起來，再進行必要的增加、刪除、修改操作，從而得到新的術語系統。再次，通過術語系統融合，可建立中醫藥術語集成服務系統，面向網絡用戶提供一站式的術語服務，支持用戶對多個術語系統進行檢索、瀏覽、編輯、糾錯與分析。這有助于術語學家歸納中醫藥術語系統的共性特征，對術語系統進行比較分析以及進一步的改進。最后，術語系統融合能更好地滿足信息系統的術語需求。例如，基于融合后的術語資源，可構建更加完整的領域知識庫，對領域知識資源進行更為系統的組織；術語系統融合方法與語義網技術相結合，可支持語義維基、語義搜索等語義網應用系統的實現。

近年來，中醫藥術語系統的建設方興未艾，在取得一系列成果的同時，也存在系統之間無法有效融合的問題。RDF、SKOS等語義網技術為在互聯網環境中實現術語系統的規范化表達、統一訪問及進一步的融合提供了潛在的解決方案。本文提出了基于語義網的中醫藥術語系統融合方法，用于將TCMLS等術語系統轉化為語義網本體，實現這些術語系統的語義融合。這項研究初步驗證了采用語義網實現中醫藥術語系統融合的可行性，對于實現中醫藥領域其他術語系統的轉換與融合具有借鑒意義。術語系統融合是一個循序漸進的過程：在術語資源庫對外提供術語服務的過程中，可進一步增加術語系統，添加術語系統之間的關聯關系，不斷充實術語資源庫的內容。

[參考文獻]

[1]Rubin DL，Shah NH，Noy NF.Biomedicalontologies：a functional perspective[J].Brief Bioinform，2007，9（1）：75-90.

[2]于彤，崔蒙，楊碩，等.生物醫學本體工程進展[J].中國數字醫學，2012，7（11）：3-6.

[3]賈李蓉，于彤，崔蒙，等.中醫藥學語言系統研究進展[J].中國數字醫學，2014，9（10）：57-59，62.

[4]董燕，李海燕，崔蒙，等.中醫臨床術語系統建設概況與改進措施[J].醫學信息學雜志，2014，35（8）：43-48.

[5]于彤，崔蒙，李敬華，等.中醫藥本體工程研究現狀[J].中國中醫藥信息雜志，2013，20（7）：110-112.

[6]Berners-Lee T，Hendler J，Lassila O.The semantic web[J]. Scientific American，2001，284（5）：28-37.

[7]Hall W，Berners-Lee T.The semantic web revisited[J]. Intelligent Systems，2006，21（3）：96-101.

[8]于彤，崔蒙，李敬華.語義Web在中醫藥領域的應用研究綜述[J].世界中醫藥，2013，8（1）：107-109.

[9]Pérez J，Arenas M，Gutierrez C.Semantics and complexity of SPARQL[J].ACM Trans Database Syst，2009，34（3）：16. [10]Manaf NA，Bechhofer S，Stevens R.The current state of SKOS vocabularies on the web[J].Lecture Notes in Computer Science，2012，7295：270-284.

[11]于彤，崔蒙，張竹綠.從中醫藥學語言系統到簡單知識組織系統本體的轉換研究[J].中國中醫藥信息雜志，2014，21（12）：38-41.

[12]Knublauch H，Fergerson RW，Noy NF，et al.The Protégé OWL plugin：An open development environment for semantic web applications[C]//McIlraith SA，Plexousakis D，Harmelen F.Third internationalsemanticwebconference. Berlin Heidelberg：Springer，2004：229-243.

[13]Sirin E，Parsia B，Grau BC，etal.Pellet：a practical OWLDL reasoner[J].JWeb Semantics，2007，5（2）：51-53.

[14]Sean Falconer.OntoGraf[EB/OL].Stanford，California，USA：Stanford University，2010[2015.7.23].http：//protegewiki. stanford.edu/wiki/OntoGraf.

[15]國家中醫藥管理局醫政司.GB/T 16751.2-1997中醫臨床診療術語證候部分[S].北京：中國標準出版社，1997.

[16]WHO Regional Office for theWestern Pacific.WHO International Standard Terminologies on Traditional Medicine in theWestern Pacific Region[S].World Health Organization，2007.（收稿日期：2015-07-28本文編輯：張瑜杰）

Research on themethod of TCM term inology fusion based on the semantic web

YU Tong LIHaiyan LIU Jing JIA Lirong
Information Institute of Traditional Chinese Medicine,China Academy of Chinese Medical Sciences,Beijing 100700, China

[Abstract]In recent years,traditional Chinesemedicine(TCM)practitioners have constructed a series of terminologies, such as traditional Chinese medicine language system and traditional Chinese medicine clinical terms.These systems are not compatible with each other and are difficult to be integrated,therefore they can'tmeet the requirements of informatics applications.Terminology fusion has become a prerequisite for the applicability of TCM terminologies.Therefore,this paper proposes amethod for TCM terminology fusion based on the semantic web:transforming terminologies into semantic web ontologies,which are then linked and merged together.Thismethod is used to achieve the transformation and merging of TCM terminologies such as traditional Chinese medicine language system,which demonstrates the feasibility of proposedmethod.

[Key words]Traditional Chinesemedicine;Ontology;Semantic web;Terminology fusion

[通訊作者]賈李蓉（1977.3-），女，碩士；研究方向：中醫藥信息學等。

[基金項目]中央級公益性科研院所基本科研業務費專項資金資助（ZZ070804）；中國中醫科學院基本科研業務費自主選題項目（ZZ080324、ZZ090301、ZZ090311）。

[中圖分類號]R-058

[文獻標識碼]A

[文章編號]1673-7210（2016）01（a）-0092-03