關(guān)鍵詞：知識圖譜；中醫(yī)；圖數(shù)據(jù)庫

0 引言

知識圖譜作為一種系統(tǒng)化組織人類知識的技術(shù)，是人工智能領(lǐng)域的核心技術(shù)之一，廣泛應(yīng)用于搜索引擎、問答系統(tǒng)和智能對話等多種應(yīng)用場景。在中醫(yī)藥領(lǐng)域，知識圖譜的應(yīng)用也得到了廣泛的關(guān)注，例如基于知識圖譜的智能問答系統(tǒng)[1]和中醫(yī)問診模型[2]。知識圖譜通過圖數(shù)據(jù)結(jié)構(gòu)組織和存儲信息，相較于傳統(tǒng)的關(guān)系型數(shù)據(jù)結(jié)構(gòu)，圖結(jié)構(gòu)更適合建模復(fù)雜關(guān)系，尤其適合處理現(xiàn)實(shí)中的復(fù)雜場景。Neo4j是一個開源的非關(guān)系型NoSQL圖數(shù)據(jù)庫，通過節(jié)點(diǎn)和關(guān)系的方式組織數(shù)據(jù)，能夠高效處理大量復(fù)雜、互相連接且低結(jié)構(gòu)化的數(shù)據(jù)。掌握知識圖譜的構(gòu)建技術(shù)對于完善中醫(yī)藥知識體系具有重要意義。本文以中醫(yī)體質(zhì)辨識任務(wù)為切入點(diǎn)，對構(gòu)建知識圖譜的實(shí)驗(yàn)過程進(jìn)行了綜述，旨在為中醫(yī)藥領(lǐng)域研究者提供參考和借鑒。

1 中醫(yī)藥領(lǐng)域知識圖譜研究現(xiàn)狀

知識圖譜是一種由若干節(jié)點(diǎn)和邊組成的結(jié)構(gòu)化知識表示語義網(wǎng)絡(luò)。知識圖譜通常采用三元組或圖模型表示知識，并利用關(guān)系型數(shù)據(jù)庫或Neo4j、Janus?Graph等圖數(shù)據(jù)庫進(jìn)行存儲。一般來說，知識圖譜的構(gòu)建技術(shù)包括知識抽取、知識融合和知識加工等。具體而言，知識抽取即從結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)或非結(jié)構(gòu)化數(shù)據(jù)中抽取實(shí)體、關(guān)系和屬性數(shù)據(jù)。知識融合技術(shù)則將抽取到的實(shí)體數(shù)據(jù)鏈接到知識庫中對應(yīng)的實(shí)體對象中，消除實(shí)體指代項(xiàng)與實(shí)體對象之間的歧義。知識加工旨對已形成的事實(shí)表達(dá)數(shù)據(jù)進(jìn)行本體抽取、知識推理和質(zhì)量評估。

中醫(yī)藥領(lǐng)域知識圖譜研究主要包括基于古籍的基礎(chǔ)知識圖譜構(gòu)建、基于知識圖譜的臨床知識挖掘和基于知識圖譜的中醫(yī)藥文獻(xiàn)可視化分析三個方面?；诠偶幕A(chǔ)知識圖譜構(gòu)建側(cè)重運(yùn)用知識抽取、知識融合和知識加工等技術(shù)從非結(jié)構(gòu)化數(shù)據(jù)中提煉中醫(yī)藥知識并可視化。韓夢嬌等以《藥性賦》為數(shù)據(jù)源，提取中藥性味、歸經(jīng)、功用和主治等要素數(shù)據(jù)及關(guān)系，利用Neo4j圖數(shù)據(jù)庫存儲、展示知識圖譜[3]。陳瑩璇等對中醫(yī)古籍《靈樞》進(jìn)行分詞、抽取實(shí)體與關(guān)系，經(jīng)人工校正后存入Neo4j數(shù)據(jù)庫，構(gòu)建了能充分展示經(jīng)脈理論內(nèi)容的知識圖譜[4]?；谥R圖譜的臨床知識挖掘則是基于已建好的知識圖譜，利用機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘等算法，挖掘臨床診療中隱性知識。吳娟等構(gòu)建小兒腹瀉知識圖譜，對中藥頻次、功效等數(shù)據(jù)進(jìn)行分析，并利用關(guān)聯(lián)網(wǎng)絡(luò)分析方法對小兒腹瀉病證方藥知識元進(jìn)行聚類分析，從而篩選出特色藥對及核心處方，進(jìn)一步指導(dǎo)臨床實(shí)踐[5]。劉燕君等基于已有知識圖譜，利用聚類分析、關(guān)聯(lián)規(guī)則等算法對路志正治療干燥綜合征特色用藥的隱性知識進(jìn)行挖掘，從數(shù)據(jù)可視化視角分析、總結(jié)名醫(yī)臨證經(jīng)驗(yàn)與學(xué)術(shù)思想[6]?；谥R圖譜的中醫(yī)藥文獻(xiàn)可視化分析主要利用知識圖譜工具對中醫(yī)藥文獻(xiàn)分析、總結(jié)，從可視化視角探討領(lǐng)域研究現(xiàn)狀、熱點(diǎn)及未來發(fā)展趨勢。龐舒文等基于已發(fā)表的中醫(yī)藥治療冠心病領(lǐng)域相關(guān)文獻(xiàn)，運(yùn)用CiteSpace軟件對領(lǐng)域發(fā)文作者、科研機(jī)構(gòu)及關(guān)鍵詞進(jìn)行知識圖譜繪制與分析，從而總結(jié)出中醫(yī)藥治療冠心病的用藥規(guī)律、安全性等規(guī)律[7]。

構(gòu)建中醫(yī)藥領(lǐng)域知識圖譜，以可視化語義關(guān)系網(wǎng)絡(luò)視角揭示中醫(yī)藥知識元內(nèi)在關(guān)聯(lián)，對中醫(yī)藥科學(xué)研究具有一定借鑒與參考價值。

2 實(shí)驗(yàn)內(nèi)容

基于真實(shí)的中醫(yī)體質(zhì)辨識數(shù)據(jù)，構(gòu)建干預(yù)知識圖譜。利用Neo4j圖數(shù)據(jù)庫存儲數(shù)據(jù)，并使用Python語言進(jìn)行處理，創(chuàng)建相應(yīng)知識圖譜，并針對特定問題編寫圖數(shù)據(jù)庫查詢腳本。

3 實(shí)驗(yàn)環(huán)境

Windows10操作系統(tǒng)64位，8G內(nèi)存，Neo4j desk?top 1.5.9 版本，Protégé 5.6.4 版本，Jupyter Notebook平臺和相關(guān)數(shù)據(jù)文件。

4 實(shí)驗(yàn)流程與步驟

知識圖譜構(gòu)建流程包括設(shè)計模式層、知識抽取、知識融合、知識存儲和可視化展示等環(huán)節(jié)。首先，在中醫(yī)專家和醫(yī)生指導(dǎo)下，參考《中醫(yī)藥學(xué)系統(tǒng)語義網(wǎng)絡(luò)框架》，設(shè)計中醫(yī)體質(zhì)辨識干預(yù)知識本體層；其次，從已整理好的實(shí)驗(yàn)數(shù)據(jù)中提取實(shí)體及關(guān)系；然后在中醫(yī)專家指導(dǎo)下，按照相關(guān)規(guī)則進(jìn)行知識融合及實(shí)體對齊操作，統(tǒng)一實(shí)體及關(guān)系命名；最后，利用Neo4j圖數(shù)據(jù)庫對中醫(yī)體質(zhì)干預(yù)知識進(jìn)行存儲及可視化展示。知識圖譜構(gòu)建流程如圖1所示。

（1） 實(shí)驗(yàn)數(shù)據(jù)與預(yù)處理

實(shí)驗(yàn)使用中醫(yī)體質(zhì)辨識真實(shí)數(shù)據(jù)構(gòu)建氣虛體質(zhì)辨識干預(yù)知識圖譜。數(shù)據(jù)以二維表格形式存儲，內(nèi)容包含舌象、體質(zhì)、干預(yù)措施等，詳細(xì)數(shù)據(jù)如表1所示。

實(shí)驗(yàn)數(shù)據(jù)存在冗余信息，且數(shù)據(jù)語義屬性缺失，需要對數(shù)據(jù)進(jìn)行去重、增加類別信息。在去除重復(fù)值后，篩選出體質(zhì)、舌象、干預(yù)手段等數(shù)據(jù)，給每組數(shù)據(jù)賦予類別屬性信息，如“舌苔潤”的數(shù)據(jù)類別是“舌象”。

（2） 設(shè)計模式層

知識圖譜模式層是用于規(guī)范領(lǐng)域中實(shí)體、關(guān)系和屬性之間的聯(lián)系，是知識圖譜的核心。首先梳理實(shí)驗(yàn)數(shù)據(jù)所對應(yīng)中醫(yī)藥術(shù)語的語義類型，如證候、中醫(yī)診斷、辨證、中醫(yī)預(yù)防等。舌象數(shù)據(jù)屬于中醫(yī)診斷術(shù)語中辨證子術(shù)語類別，體質(zhì)數(shù)據(jù)屬于病因、病機(jī)和疾病術(shù)語中證候子術(shù)語類別，干預(yù)手段數(shù)據(jù)、飲食數(shù)據(jù)、運(yùn)動數(shù)據(jù)、情志數(shù)據(jù)和起居數(shù)據(jù)屬于中醫(yī)預(yù)防術(shù)語類別。隨后，根據(jù)《中醫(yī)藥學(xué)系統(tǒng)語義網(wǎng)絡(luò)框架》，結(jié)合術(shù)語語義類型結(jié)構(gòu)圖，明確中醫(yī)藥術(shù)語間層次關(guān)系，確定了“ 體質(zhì)-舌象-干預(yù)類型-干預(yù)措施”的語義層次關(guān)系[8]。最后，確定構(gòu)建氣虛體質(zhì)辨識干預(yù)知識圖譜所需要的4種類別（體質(zhì)、癥狀、干預(yù)類型、措施）及4種關(guān)系（舌象、干預(yù)措施、建議、不宜）。

（3） 知識抽取

知識抽取包括實(shí)體抽取和關(guān)系抽取。將表1中已整理的列數(shù)據(jù)，通過編寫python腳本，轉(zhuǎn)換、存儲為實(shí)體節(jié)點(diǎn)文件Nodes.csv。根據(jù)模式層定義的4種關(guān)系，在舌象與體質(zhì)節(jié)點(diǎn)數(shù)據(jù)中增加關(guān)系數(shù)據(jù)“體質(zhì)”；在體質(zhì)與干預(yù)類型節(jié)點(diǎn)數(shù)據(jù)中增加關(guān)系數(shù)據(jù)“干預(yù)措施”；在干預(yù)類型與措施節(jié)點(diǎn)數(shù)據(jù)中增加關(guān)系數(shù)據(jù)“建議”和“不宜”，最后將這些關(guān)系數(shù)據(jù)整理為<實(shí)體，關(guān)系，實(shí)體>三元組數(shù)據(jù)并存儲為Relation.csv。

（4） 知識融合

知識融合是指通過實(shí)體鏈接、指代消解等方式將抽取的實(shí)體及關(guān)系數(shù)據(jù)與模式層的類與關(guān)系對應(yīng)起來，確保構(gòu)建的圖譜節(jié)點(diǎn)與關(guān)系命名統(tǒng)一、規(guī)范。實(shí)驗(yàn)采用人工方式核對抽取的實(shí)體與關(guān)系數(shù)據(jù)的類別及關(guān)系類別，消除實(shí)體同義詞的多表述現(xiàn)象。

（5） 知識存儲與可視化展示

實(shí)驗(yàn)利用Cypher圖數(shù)據(jù)庫查詢語言在Neo4j數(shù)據(jù)庫中創(chuàng)建知識圖譜實(shí)例。實(shí)例的創(chuàng)建包括實(shí)體節(jié)點(diǎn)的創(chuàng)建和關(guān)系的創(chuàng)建。

① 創(chuàng)建Neo4j圖數(shù)據(jù)庫

第一步，打開Neo4j 程序，點(diǎn)擊左上角new按鈕，選擇create project創(chuàng)建數(shù)據(jù)庫。第二步，點(diǎn)擊右上角add按鈕，選擇local DBMS。第三步，在密碼欄中輸入密碼。第四步，點(diǎn)擊create按鈕，完成本地圖數(shù)據(jù)庫創(chuàng)建。

② 創(chuàng)建實(shí)體節(jié)點(diǎn)

第一步，打開Jupyter notebook 平臺，編寫連接Neo4j圖數(shù)據(jù)庫腳本。第二步，讀取節(jié)點(diǎn)數(shù)據(jù)。第三步，依次創(chuàng)建體質(zhì)、舌象、干預(yù)類別、干預(yù)措施4個實(shí)例節(jié)點(diǎn)。

③ 創(chuàng)建關(guān)系

讀取關(guān)系文件數(shù)據(jù)，根據(jù)模式層定義的4種關(guān)系，依次創(chuàng)建4種關(guān)系，分別是舌象節(jié)點(diǎn)與體質(zhì)節(jié)點(diǎn)間的無向關(guān)系（體質(zhì)），體質(zhì)節(jié)點(diǎn)到干預(yù)類型節(jié)點(diǎn)的有向關(guān)系（干預(yù)措施），干預(yù)類型節(jié)點(diǎn)到干預(yù)措施節(jié)點(diǎn)的有向關(guān)系（建議），干預(yù)類型節(jié)點(diǎn)到干預(yù)措施節(jié)點(diǎn)的有向關(guān)系（不宜）。

④ 知識圖譜展示

編寫查詢圖譜腳本語句，將查詢語句復(fù)制到Neo4j數(shù)據(jù)庫中，展示氣虛體質(zhì)干預(yù)知識圖譜。

（6） 知識查詢

知識圖譜創(chuàng)建好后便可進(jìn)行查詢。實(shí)驗(yàn)設(shè)置查詢問題為“患者舌質(zhì)偏淡，建議飲食有哪些？”分析發(fā)現(xiàn)，查詢問題涉及到的節(jié)點(diǎn)有舌象、體質(zhì)、干預(yù)類別和干預(yù)措施，涉及的關(guān)系有辨證、預(yù)防手段和建議。編寫相關(guān)查詢cypher語句，執(zhí)行查詢結(jié)果。

5 實(shí)驗(yàn)結(jié)果

（1） 設(shè)計模式層

實(shí)驗(yàn)利用Protégé本體建模工具，采用“七步法”繪制氣虛體質(zhì)辨識干預(yù)知識圖譜模式層次結(jié)構(gòu)，如圖7 所示。

（2） 創(chuàng)建實(shí)體節(jié)點(diǎn)

執(zhí)行創(chuàng)建實(shí)體節(jié)點(diǎn)腳本，創(chuàng)建實(shí)體節(jié)點(diǎn)如圖8 所示。

（3） 創(chuàng)建關(guān)系

執(zhí)行創(chuàng)建關(guān)系腳本，創(chuàng)建關(guān)系節(jié)點(diǎn)如圖9所示。

（4） 展示知識圖譜

執(zhí)行知識圖譜展示腳本，創(chuàng)建的氣虛體質(zhì)辨識干預(yù)知識圖譜如圖10所示。

（5） 問題查詢結(jié)果

執(zhí)行問題查詢腳本，查詢問題結(jié)果如圖11所示。

6 結(jié)束語

本文對基于Neo4j圖數(shù)據(jù)庫的中醫(yī)領(lǐng)域知識圖譜構(gòu)建進(jìn)行實(shí)驗(yàn)綜述，重點(diǎn)介紹了知識圖譜的創(chuàng)建過程。知識圖譜作為一種結(jié)構(gòu)化知識表示工具，憑借其圖數(shù)據(jù)結(jié)構(gòu)的優(yōu)勢，有效處理復(fù)雜關(guān)系信息，從而提升中醫(yī)藥知識體系的系統(tǒng)性和應(yīng)用效率。同時，以Neo4j為代表的圖數(shù)據(jù)庫工具在處理復(fù)雜的、互相關(guān)聯(lián)的數(shù)據(jù)方面具有顯著優(yōu)勢。本文綜述的實(shí)驗(yàn)過程和方法，為后續(xù)知識圖譜的相關(guān)研究提供了一定參考和實(shí)踐指導(dǎo)。