中醫方劑知識圖譜的構建研究綜述

徐麗娜，李燕

（甘肅中醫藥大學信息工程學院，甘肅 蘭州 730000）

0 引言

2012年5月17日，谷歌首次引入知識圖譜（Knowledge graph）的概念，以此來提高搜索引擎的能力[1]。知識圖譜是一種用圖來描述知識的方法，它由節點和邊組成，用來描述客觀世界中的各種概念、實體和實體之間的關系。知識圖譜作為一種知識表示方法，語義表達能力強、結構靈活、效率高，在可解釋人工智能中發揮著非常重要的作用。隨著知識表示與存儲、大數據和機器學習的發展，知識圖譜理論與應用取得了一些突破和快速發展。由于這些技術的進步，工業界和學術界對知識圖譜產生了廣泛的興趣，并獲得了一定的研究成果。

隨著信息技術在醫療領域的快速發展及應用，大量的醫療數據必須在該領域進行處理。大量醫學數據的有效分析和利用，對于疾病的診療、風險評估、新藥研發、降低醫療費用、醫學知識問答等具有重要作用。大數據分析在醫療領域應用的關鍵是怎樣準確、快速地從大量醫療數據中提取有價值的醫療信息，醫學知識圖譜構建技術則提供了一種從醫學數據中提取知識、挖掘醫學信息的途徑，具有非常廣泛的應用價值和發展前景。同時中醫方劑知識圖譜的發展也有重要意義，它以知識圖譜這種直觀簡潔的圖表述方式展示了方劑本身、方劑中草藥的組成、方劑與證、疾病等之間的關聯關系，讓更多的人更方便的了解方劑，運用方劑，以便更好的使中醫學在人類健康問題上發揮重要作用，更全面的推廣中醫學知識。

2 知識圖譜的基本知識

知識圖譜的概念是谷歌在2012年提出來改進搜索引擎的，它是一個典型的多邊關系圖，主要用于描述現實世界中的實體（除了用來指稱客觀世界中具體對象的概念）、概念（人們在認識世界的過程中形成的客觀事物的概念化，如人或動物等）和事件之間的客觀關系[1]。由節點（實體）和邊（實體之間的關系）組成。它本質上是一個語義網絡，用來揭示事物之間的關系。知識圖譜的目的是從各類復雜數據中提取概念、實體和關系，是事物關系的可計算模型，它根據知識范圍和不同領域的劃分，分為了普通知識圖譜和領域知識圖譜[2]。隨著科學技術的不斷發展，知識圖譜被廣泛應用于NLP領域，如語義研究、智能問答、輔助決策等領域，并且也已經成為了人工智能重要的驅動和中心領域。

知識圖譜的一般表示是三元組形式，也就是三元組中的頭實體、尾實體以及兩個實體之間的關系，它表示實體的集合，包含某種實體的概念，并且表示實體之間的關系集，包括不同類型的關系。

知識圖譜的體系架構分為三部分，如圖1所示，第一部分是源數據的獲取，可以從不同的渠道來獲取，包括常用關系數據庫方式來保存的結構化數據，許多網站和應用日志采用的文本方式記錄的半結構化數據，以及使用語音、圖片、視頻等格式的非結構化數據。第二部分是知識融合，用于關聯多數據源的知識，研究怎樣將來自多個不同來源的關于同一個實體或者概念的描述信息結合起來，以此來擴大知識的范圍。第三部分是知識計算與知識的應用，知識計算是知識圖譜能力輸出的主要方式，而知識應用是將知識圖譜與特定的領域或者業務相結合，提高業務效率。

圖1 知識圖譜體系架構圖

3 中醫方劑知識圖譜的構建

“天人相應”是中醫的核心概念之一，中醫的整體觀使中得醫藥知識方面蘊含著豐富的關系知識，另一方面，面對不同得時代、地域、個體，也有各自的特點，如傷寒、溫病的時代發展，艾灸在北方和南方九針的發展，正宗藥材的概念等，使中醫藥知識較分散，較難應用，很多隱性知識較難去表述，這也讓中醫學界期待新的方法出現去解決這一難題。知識圖譜類似于人類思維的形式、注重表達關系的結構特征，這與中醫藥知識來源于個人經驗，注重整體關系的特點相吻合。且在知識的關聯性、表達性和利用知識方面的優勢，使得中醫藥知識圖譜的研究得到不斷發展。

“中醫藥學語言系統（TCMLS）”為構建中醫藥知識圖譜提供了相對完整的框架[3]。中醫藥學語言系統是基于本體概念和語義網的大規模語言系統。已經發展成為一個包含超過10萬個中醫概念和超過100萬條語義關系的大型語義網絡，基本覆蓋了中醫藥的概念體系，在范圍和完整性等方面均處于中醫藥領域的領先地位。

事實上，中醫藥學語言系統已經有了一個知識庫的框架，自然可以通過添加概念屬性將其擴展為領域知識庫。為了保持中醫藥學語言系統作為術語系統的簡潔性和穩定性，在中醫藥學語言系統中只添加了概念的定義和摘要，而沒有其他信息的概念，根據知識圖譜的技術框架，可以將中醫藥學語言系統或其子本體之一轉化為領域知識庫，以此來支持知識服務系統的實施。由此可見，中醫藥知識圖譜技術體系實際上是對中醫藥學語言系統的自然延伸和完善，為傳統中醫藥學語言系統的應用和自我完善提供了必要的技術路徑。另一方面，中醫藥工作者同時也建立了相對完整的數據庫系統，包含了疾病、中藥、方劑、中藥成分等，為進一步擴展及完善中醫藥知識圖譜貢獻了豐富的數據。

基于中醫藥學語言系統來構建方劑知識圖譜通常需要以下步驟來完成。首先需要收集相關的數據，中醫方劑知識圖譜數據主要分為“方劑數據”和“術語數據”，其中方劑數據取自古往今來名醫大家總結的經典名方，根據經典名方結合專病用方經驗收錄的數據，術語數據基本來源于國家中醫藥管理局頒發的中醫藥行業標準，主要包括：疾病名稱、癥狀名稱、證候名稱、治法名稱、方劑名稱、藥物名稱等[4]。

緊接著需要對數據進行標準化，雖然目前各種書寫標準、診療標準以及教材都對數據標準化進行了統一，使得術語的使用更加規范，但在應用過程中仍然存在爭議。例如，在中醫藥研究中常見的正異名以及同義詞，尤其在實際構建的過程中更為常見。此時我們可以基于現有的相關標準來構建標準術語數據庫，來規范方劑中術語的正異名和同義詞，比如：“八月札=預知子”，“補氣養陰=滋陰益氣、養陰益氣=益氣滋陰”，按照標準來替換非標準用語，以此保證圖譜節點內容的一致性[5]。

其次將對關系進行定義，通過對實體以及實體之間的關系進行定義將知識關聯起來是知識圖譜的本質。作為一種表達方式，在知識圖譜中實體直觀的描述了知識的結構以及相關概念的聯系。知識圖譜中每個實體都有特定的名稱、定義以及釋義，我們通常將實體關系定義為三元組，若以中醫方劑作為研究對象，則三元組的形式為“實體-關系-實體”，其中實體為方劑中的病、證、藥等，而關系可用來連接兩個實體，描述它們之間的關系，如當歸芍藥散治療心血管疾病，當歸芍藥散包含當歸、芍藥、川芎等藥物[6]。

最后為圖形化展示，知識圖譜的最大優點是可以使用空間形狀的圖像來展示知識點之間的相互關系。在數據圖形化方面，可選用neo4j圖數據庫來進行展示，將三元組數據批量導入neo4j圖數據庫中可以更加簡潔明了的展示出實體及實體間關系[7]。

如圖2所示，是已經構建完成的中醫方劑知識圖譜的示例，它是以當歸芍藥散方劑為實體建立的知識圖譜，可直接展示出當歸芍藥散的主要組成草藥，分別為當歸、茯苓、川芎和白術，屬于氣虛證的概念，并且明確展示出可通過補氣法來治療肝虛氣郁證，以及當歸芍藥散方劑的出處與其相關的內容。

圖2 中醫方劑知識圖譜示意圖

4 討論

中醫學博大精深，中醫藥學同樣承載著從古至今無數名醫大家的智慧結晶，中國中醫科學院中醫藥信息研究所基于中醫學語言系統，以基本的概念知識作為框架，通過不斷地添加概念以及概念的屬性來擴展領域知識圖譜的數據庫，雖然中醫藥學知識圖譜仍處在起步階段，但目前已經有非常多的研究學者投入這項研究工作中，并且已小有成就，例如已經在中醫藥知識服務平臺上線的項目，并且在中醫養生、證候研究、經方研究、特色療法等領域做出貢獻。

構建中醫知識圖譜的最終目的是整合和關聯一個領域內不同的知識，以相對較小但質量較高的領域知識為例，為進一步整合特定類型疾病或證候的知識提供知識庫[8-10]。

同時，中醫藥知識圖譜通過填充知識模式，提取中醫藥相關知識，涉及多種實體和關系，輔以“知識源”的搜索方式，區分已有知識來自知識圖中可能的隱含知識。對不同來源的知識進行相互驗證和解釋，有助于解釋中醫藥知識。使用知識圖譜可以方便地獲取和比較有關中醫藥食譜的知識，也有助于更多的中醫藥知識的繼承和創新，讓中醫藥領域知識圖譜得到更好地發展。