基于Neo4j的中醫體質干預知識圖譜構建實驗綜述

關鍵詞：知識圖譜；中醫；圖數據庫

0 引言

知識圖譜作為一種系統化組織人類知識的技術，是人工智能領域的核心技術之一，廣泛應用于搜索引擎、問答系統和智能對話等多種應用場景。在中醫藥領域，知識圖譜的應用也得到了廣泛的關注，例如基于知識圖譜的智能問答系統[1]和中醫問診模型[2]。知識圖譜通過圖數據結構組織和存儲信息，相較于傳統的關系型數據結構，圖結構更適合建模復雜關系，尤其適合處理現實中的復雜場景。Neo4j是一個開源的非關系型NoSQL圖數據庫，通過節點和關系的方式組織數據，能夠高效處理大量復雜、互相連接且低結構化的數據。掌握知識圖譜的構建技術對于完善中醫藥知識體系具有重要意義。本文以中醫體質辨識任務為切入點，對構建知識圖譜的實驗過程進行了綜述，旨在為中醫藥領域研究者提供參考和借鑒。

1 中醫藥領域知識圖譜研究現狀

知識圖譜是一種由若干節點和邊組成的結構化知識表示語義網絡。知識圖譜通常采用三元組或圖模型表示知識，并利用關系型數據庫或Neo4j、Janus?Graph等圖數據庫進行存儲。一般來說，知識圖譜的構建技術包括知識抽取、知識融合和知識加工等。具體而言，知識抽取即從結構化數據、半結構化數據或非結構化數據中抽取實體、關系和屬性數據。知識融合技術則將抽取到的實體數據鏈接到知識庫中對應的實體對象中，消除實體指代項與實體對象之間的歧義。知識加工旨對已形成的事實表達數據進行本體抽取、知識推理和質量評估。

中醫藥領域知識圖譜研究主要包括基于古籍的基礎知識圖譜構建、基于知識圖譜的臨床知識挖掘和基于知識圖譜的中醫藥文獻可視化分析三個方面。基于古籍的基礎知識圖譜構建側重運用知識抽取、知識融合和知識加工等技術從非結構化數據中提煉中醫藥知識并可視化。韓夢嬌等以《藥性賦》為數據源，提取中藥性味、歸經、功用和主治等要素數據及關系，利用Neo4j圖數據庫存儲、展示知識圖譜[3]。陳瑩璇等對中醫古籍《靈樞》進行分詞、抽取實體與關系，經人工校正后存入Neo4j數據庫，構建了能充分展示經脈理論內容的知識圖譜[4]。基于知識圖譜的臨床知識挖掘則是基于已建好的知識圖譜，利用機器學習、數據挖掘等算法，挖掘臨床診療中隱性知識。吳娟等構建小兒腹瀉知識圖譜，對中藥頻次、功效等數據進行分析，并利用關聯網絡分析方法對小兒腹瀉病證方藥知識元進行聚類分析，從而篩選出特色藥對及核心處方，進一步指導臨床實踐[5]。劉燕君等基于已有知識圖譜，利用聚類分析、關聯規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行挖掘，從數據可視化視角分析、總結名醫臨證經驗與學術思想[6]。基于知識圖譜的中醫藥文獻可視化分析主要利用知識圖譜工具對中醫藥文獻分析、總結，從可視化視角探討領域研究現狀、熱點及未來發展趨勢。龐舒文等基于已發表的中醫藥治療冠心病領域相關文獻，運用CiteSpace軟件對領域發文作者、科研機構及關鍵詞進行知識圖譜繪制與分析，從而總結出中醫藥治療冠心病的用藥規律、安全性等規律[7]。

構建中醫藥領域知識圖譜，以可視化語義關系網絡視角揭示中醫藥知識元內在關聯，對中醫藥科學研究具有一定借鑒與參考價值。

2 實驗內容

基于真實的中醫體質辨識數據，構建干預知識圖譜。利用Neo4j圖數據庫存儲數據，并使用Python語言進行處理，創建相應知識圖譜，并針對特定問題編寫圖數據庫查詢腳本。

3 實驗環境

Windows10操作系統64位，8G內存，Neo4j desk?top 1.5.9 版本，Protégé 5.6.4 版本，Jupyter Notebook平臺和相關數據文件。

4 實驗流程與步驟

知識圖譜構建流程包括設計模式層、知識抽取、知識融合、知識存儲和可視化展示等環節。首先，在中醫專家和醫生指導下，參考《中醫藥學系統語義網絡框架》，設計中醫體質辨識干預知識本體層；其次，從已整理好的實驗數據中提取實體及關系；然后在中醫專家指導下，按照相關規則進行知識融合及實體對齊操作，統一實體及關系命名；最后，利用Neo4j圖數據庫對中醫體質干預知識進行存儲及可視化展示。知識圖譜構建流程如圖1所示。

（1） 實驗數據與預處理

實驗使用中醫體質辨識真實數據構建氣虛體質辨識干預知識圖譜。數據以二維表格形式存儲，內容包含舌象、體質、干預措施等，詳細數據如表1所示。

實驗數據存在冗余信息，且數據語義屬性缺失，需要對數據進行去重、增加類別信息。在去除重復值后，篩選出體質、舌象、干預手段等數據，給每組數據賦予類別屬性信息，如“舌苔潤”的數據類別是“舌象”。

（2） 設計模式層

知識圖譜模式層是用于規范領域中實體、關系和屬性之間的聯系，是知識圖譜的核心。首先梳理實驗數據所對應中醫藥術語的語義類型，如證候、中醫診斷、辨證、中醫預防等。舌象數據屬于中醫診斷術語中辨證子術語類別，體質數據屬于病因、病機和疾病術語中證候子術語類別，干預手段數據、飲食數據、運動數據、情志數據和起居數據屬于中醫預防術語類別。隨后，根據《中醫藥學系統語義網絡框架》，結合術語語義類型結構圖，明確中醫藥術語間層次關系，確定了“ 體質-舌象-干預類型-干預措施”的語義層次關系[8]。最后，確定構建氣虛體質辨識干預知識圖譜所需要的4種類別（體質、癥狀、干預類型、措施）及4種關系（舌象、干預措施、建議、不宜）。

（3） 知識抽取

知識抽取包括實體抽取和關系抽取。將表1中已整理的列數據，通過編寫python腳本，轉換、存儲為實體節點文件Nodes.csv。根據模式層定義的4種關系，在舌象與體質節點數據中增加關系數據“體質”；在體質與干預類型節點數據中增加關系數據“干預措施”；在干預類型與措施節點數據中增加關系數據“建議”和“不宜”，最后將這些關系數據整理為<實體，關系，實體>三元組數據并存儲為Relation.csv。

（4） 知識融合

知識融合是指通過實體鏈接、指代消解等方式將抽取的實體及關系數據與模式層的類與關系對應起來，確保構建的圖譜節點與關系命名統一、規范。實驗采用人工方式核對抽取的實體與關系數據的類別及關系類別，消除實體同義詞的多表述現象。

（5） 知識存儲與可視化展示

實驗利用Cypher圖數據庫查詢語言在Neo4j數據庫中創建知識圖譜實例。實例的創建包括實體節點的創建和關系的創建。

① 創建Neo4j圖數據庫

第一步，打開Neo4j 程序，點擊左上角new按鈕，選擇create project創建數據庫。第二步，點擊右上角add按鈕，選擇local DBMS。第三步，在密碼欄中輸入密碼。第四步，點擊create按鈕，完成本地圖數據庫創建。

② 創建實體節點

第一步，打開Jupyter notebook 平臺，編寫連接Neo4j圖數據庫腳本。第二步，讀取節點數據。第三步，依次創建體質、舌象、干預類別、干預措施4個實例節點。

③ 創建關系

讀取關系文件數據，根據模式層定義的4種關系，依次創建4種關系，分別是舌象節點與體質節點間的無向關系（體質），體質節點到干預類型節點的有向關系（干預措施），干預類型節點到干預措施節點的有向關系（建議），干預類型節點到干預措施節點的有向關系（不宜）。

④ 知識圖譜展示

編寫查詢圖譜腳本語句，將查詢語句復制到Neo4j數據庫中，展示氣虛體質干預知識圖譜。

（6） 知識查詢

知識圖譜創建好后便可進行查詢。實驗設置查詢問題為“患者舌質偏淡，建議飲食有哪些？”分析發現，查詢問題涉及到的節點有舌象、體質、干預類別和干預措施，涉及的關系有辨證、預防手段和建議。編寫相關查詢cypher語句，執行查詢結果。

5 實驗結果

（1） 設計模式層

實驗利用Protégé本體建模工具，采用“七步法”繪制氣虛體質辨識干預知識圖譜模式層次結構，如圖7 所示。

（2） 創建實體節點

執行創建實體節點腳本，創建實體節點如圖8 所示。

（3） 創建關系

執行創建關系腳本，創建關系節點如圖9所示。

（4） 展示知識圖譜

執行知識圖譜展示腳本，創建的氣虛體質辨識干預知識圖譜如圖10所示。

（5） 問題查詢結果

執行問題查詢腳本，查詢問題結果如圖11所示。

6 結束語

本文對基于Neo4j圖數據庫的中醫領域知識圖譜構建進行實驗綜述，重點介紹了知識圖譜的創建過程。知識圖譜作為一種結構化知識表示工具，憑借其圖數據結構的優勢，有效處理復雜關系信息，從而提升中醫藥知識體系的系統性和應用效率。同時，以Neo4j為代表的圖數據庫工具在處理復雜的、互相關聯的數據方面具有顯著優勢。本文綜述的實驗過程和方法，為后續知識圖譜的相關研究提供了一定參考和實踐指導。