摘要 中醫(yī)藥在中國(guó)有5 000多年的歷史，為中華民族的繁衍與健康發(fā)揮著重要作用。然而，中醫(yī)藥數(shù)據(jù)通常是非結(jié)構(gòu)化的，這嚴(yán)重影響了中醫(yī)藥知識(shí)的普及與應(yīng)用，因此將中醫(yī)藥數(shù)據(jù)進(jìn)行結(jié)構(gòu)化具有重要意義。對(duì)于中醫(yī)藥數(shù)據(jù)非結(jié)構(gòu)化的問(wèn)題，設(shè)計(jì)并實(shí)現(xiàn)了中醫(yī)知識(shí)圖譜。首先，選取了藥材、別名、功能主治等6種關(guān)系來(lái)構(gòu)建中藥材知識(shí)圖譜的概念層；然后，利用6種關(guān)系從農(nóng)業(yè)敘詞表等專業(yè)書(shū)籍和中醫(yī)藥網(wǎng)站上獲取數(shù)據(jù)，并對(duì)中醫(yī)藥知識(shí)進(jìn)行數(shù)據(jù)處理，從而得到三元組形式的中醫(yī)藥知識(shí)；最終，將中醫(yī)知識(shí)存入Neo4j數(shù)據(jù)庫(kù)，并將其呈現(xiàn)出來(lái)。中醫(yī)藥知識(shí)圖譜的構(gòu)建將大大提高中醫(yī)藥知識(shí)的可理解性和可訪問(wèn)性，為后期臨床決策和中醫(yī)藥研究提供數(shù)據(jù)支持。

關(guān)鍵詞 中醫(yī)藥知識(shí)圖譜；關(guān)系；爬蟲(chóng)技術(shù)；Neo4j

中圖分類號(hào) S-058 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 0517-6611（2024）21-0222-05

doi：10.3969/j.issn.0517-6611.2024.21.046

開(kāi)放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：

Design and Implementation of TCM Knowledge Graph Based on Professional Books and Web Data

QIAO Bo， ZHOU Zi-hao， YUAN Quan

（College of Information and Intelligent Science and Technology， Hunan Agricultural University， Changsha， Hunan 410128）

Abstract Traditional Chinese medicine has a history of over 5000 years in China and plays an important role in the reproduction and health of the Chinese nation. However， traditional Chinese medicine data is usually unstructured， which seriously affects the popularization and application of traditional Chinese medicine knowledge. Therefore， structuring traditional Chinese medicine data is of great significance. For the problem of unstructured data in traditional Chinese medicine， we designed and implemented a knowledge graph of traditional Chinese medicine. Firstly， six relationships including medicinal herbs， aliases， and functional indications were selected to construct the conceptual layer of the knowledge graph of traditional Chinese medicine. Then， using six types of relationships， data was obtained from professional books such as agricultural lexicons and traditional Chinese medicine websites， and traditional Chinese medicine knowledge was processed to obtain triplet form of traditional Chinese medicine knowledge. Finally， the knowledge of traditional Chinese medicine would be stored in the Neo4j database and presented. The construction of a knowledge graph of traditional Chinese medicine would greatly improve the comprehensibility and accessibility of traditional Chinese medicine knowledge， providing data support for later clinical decision-making and traditional Chinese medicine research.

Key words A knowledge graph of traditional Chinese medicine;Relation;Crawler technique;Neo4j

基金項(xiàng)目 2022年度湖南省社會(huì)科學(xué)成果評(píng)審委員會(huì)課題（XSP22-YBZ024）。

作者簡(jiǎn)介 喬波（1981—），男，湖南臨澧人，副教授，博士，碩士生導(dǎo)師，從事自然語(yǔ)言處理、農(nóng)業(yè)知識(shí)圖譜與智慧農(nóng)業(yè)研究。*通信作者，碩士研究生，研究方向：農(nóng)業(yè)信息技術(shù)。

收稿日期 2024-06-30

中醫(yī)藥作為中國(guó)傳統(tǒng)醫(yī)學(xué)的重要組成部分，具有悠久的歷史和豐富的經(jīng)驗(yàn)。然而，隨著現(xiàn)代醫(yī)學(xué)的快速發(fā)展，中醫(yī)藥知識(shí)的傳承和發(fā)展面臨著諸多挑戰(zhàn)。目前，雖然存在很多中醫(yī)藥網(wǎng)站，但這些網(wǎng)站包含的中醫(yī)藥知識(shí)具有復(fù)雜的概念體系和龐大的知識(shí)量，而且這些知識(shí)往往呈現(xiàn)碎片化和信息孤島現(xiàn)象，導(dǎo)致用戶難以形成對(duì)中醫(yī)藥的全面認(rèn)識(shí)［1］。

知識(shí)圖譜，作為一種新型的知識(shí)表示和推理技術(shù)，能夠系統(tǒng)地梳理領(lǐng)域內(nèi)的概念、實(shí)體及其之間的關(guān)系，實(shí)現(xiàn)知識(shí)的結(jié)構(gòu)化和可視化。通過(guò)構(gòu)建中醫(yī)藥知識(shí)圖譜，可以將分散的中醫(yī)藥知識(shí)進(jìn)行有機(jī)整合，形成一個(gè)全面、準(zhǔn)確、智能的知識(shí)系統(tǒng)，為中醫(yī)藥研究、臨床實(shí)踐和知識(shí)普及提供有力支撐［2］。

在此背景下，筆者設(shè)計(jì)并實(shí)現(xiàn)了一個(gè)中醫(yī)藥知識(shí)圖譜，對(duì)中醫(yī)概念體系進(jìn)行系統(tǒng)性梳理，進(jìn)行知識(shí)的關(guān)聯(lián)與融合，建立規(guī)模龐大、可擴(kuò)展的中藥領(lǐng)域知識(shí)體系。這有助于打破信息孤島，將分散的知識(shí)進(jìn)行有機(jī)整合，提高中醫(yī)藥知識(shí)的可用性和可理解性。鑒于此，筆者介紹了中醫(yī)藥知識(shí)圖譜的設(shè)計(jì)與實(shí)現(xiàn)過(guò)程，包括概念層的設(shè)計(jì)、數(shù)據(jù)的選擇與獲取、圖譜數(shù)據(jù)的存儲(chǔ)與展示等［3-4］。

1 研究現(xiàn)狀

1.1 知識(shí)圖譜的研究現(xiàn)狀

知識(shí)圖譜是語(yǔ)義網(wǎng)絡(luò)為骨架的大型知識(shí)系統(tǒng)，它是以圖的形式顯示信息及信息之間的關(guān)系；所有的實(shí)體與屬性、實(shí)體與實(shí)體之間的關(guān)系構(gòu)成了一張有向圖，海量的結(jié)構(gòu)化數(shù)據(jù)以三元組的形式存在，利用圖來(lái)儲(chǔ)存與表達(dá)知識(shí)，使得零散的知識(shí)相互連接，結(jié)構(gòu)化呈現(xiàn)領(lǐng)域概念之間的語(yǔ)義關(guān)系［5］。隨著大數(shù)據(jù)和人工智能技術(shù)的飛速發(fā)展，知識(shí)圖譜作為一種重要的知識(shí)表示方法，已經(jīng)在多個(gè)領(lǐng)域展現(xiàn)出其巨大的應(yīng)用價(jià)值［6］。

當(dāng)前，知識(shí)圖譜可劃分為面向通用領(lǐng)域和面向特定領(lǐng)域2類［7］。通用知識(shí)圖譜，可以說(shuō)是一種“結(jié)構(gòu)化的百科全書(shū)”，是一種面向通用領(lǐng)域的知識(shí)，側(cè)重于知識(shí)面的擴(kuò)展，涵蓋了許多生活中的常識(shí)，涵蓋范圍很廣。例如，國(guó)外通用知識(shí)圖譜YAGO、DBpedia、Freebase和國(guó)內(nèi)通用知識(shí)圖譜百度知心、搜狗知立方、CN-DBpedia等［8］。

領(lǐng)域知識(shí)圖譜，又稱行業(yè)知識(shí)圖譜或垂直知識(shí)圖譜，通常面向某一特定領(lǐng)域，如電商、農(nóng)業(yè)、醫(yī)療等［9］。領(lǐng)域知識(shí)圖譜具有資源豐富、結(jié)構(gòu)復(fù)雜、對(duì)知識(shí)品質(zhì)的要求高、適用范圍廣等特點(diǎn)。目前，國(guó)內(nèi)學(xué)者在農(nóng)業(yè)領(lǐng)域知識(shí)圖譜的構(gòu)建進(jìn)行了相關(guān)研究，如吳賽賽構(gòu)建的作物病蟲(chóng)害知識(shí)圖譜、于婷婷構(gòu)建的農(nóng)作物知識(shí)圖譜、張明美構(gòu)建的獼猴桃種植領(lǐng)域知識(shí)圖譜等。

1.2 中醫(yī)藥知識(shí)圖譜國(guó)內(nèi)外研究現(xiàn)狀

中醫(yī)藥知識(shí)圖譜作為中醫(yī)藥現(xiàn)代化的重要工具，在輔助診斷、個(gè)性化治療、新藥研發(fā)等方面具有廣闊的應(yīng)用前景，近年來(lái)受到廣泛關(guān)注。國(guó)內(nèi)研究多依賴于傳統(tǒng)醫(yī)學(xué)文獻(xiàn)、臨床經(jīng)驗(yàn)及現(xiàn)代研究成果，但數(shù)據(jù)質(zhì)量參差不齊，標(biāo)準(zhǔn)化和規(guī)范化程度不足。國(guó)外在相關(guān)領(lǐng)域也有深入的研究，但在與中醫(yī)藥的結(jié)合上仍顯不足。在概念體系與知識(shí)庫(kù)方面，國(guó)內(nèi)中醫(yī)藥知識(shí)圖譜的概念體系正在逐步建立中，但仍需加強(qiáng)完善。在中醫(yī)藥知識(shí)庫(kù)建設(shè)上，已有一些代表性的成果，如中國(guó)中醫(yī)科學(xué)院中醫(yī)藥信息研究所構(gòu)建的中醫(yī)藥學(xué)大型數(shù)據(jù)庫(kù)共有48個(gè)數(shù)據(jù)庫(kù)，總數(shù)據(jù)超過(guò)120 000個(gè)［10］；鄧宇等［11］基于老中醫(yī)醫(yī)案創(chuàng)建了知識(shí)圖譜，以人性化的方式表達(dá)病情與解決方法輔助中醫(yī)檢查；常銳博等［12］基于臨床病歷的慢性胃炎中醫(yī)診療構(gòu)建知識(shí)圖譜用于發(fā)現(xiàn)診療知識(shí)，通過(guò)對(duì)大量醫(yī)療數(shù)據(jù)進(jìn)行挖掘，可以找到影響患者病情的關(guān)鍵因素和治療方案。在可視化工程與應(yīng)用方面，中醫(yī)藥知識(shí)圖譜的可視化已取得一定成果，如使用圖形、網(wǎng)絡(luò)等形式展示中醫(yī)藥知識(shí)間的關(guān)系。國(guó)外的可視化工具在中醫(yī)藥領(lǐng)域的應(yīng)用還較少，但有廣闊的應(yīng)用前景。

2 中醫(yī)藥知識(shí)圖譜模式層構(gòu)建

在構(gòu)建中醫(yī)藥知識(shí)圖譜模式層時(shí)，需要明確模式層的主題和范圍，以確保模式層的知識(shí)能夠滿足實(shí)際需求。深入探究《神農(nóng)本草經(jīng)》《本草綱目》以及《傷寒論》等珍貴古籍中所蘊(yùn)含的中醫(yī)藥概念，可以窺見(jiàn)中醫(yī)理論體系的博大精深與深邃智慧。這些古老文獻(xiàn)不僅詳細(xì)記載了草藥的分類、炮制方法和藥性作用，還闡述了中醫(yī)診斷疾病、治療疾病的基本原理和原則。對(duì)這些經(jīng)典著作的學(xué)習(xí)和研究，能夠更好地理解中藥的本質(zhì)，掌握中醫(yī)藥的精髓，并在現(xiàn)代醫(yī)療實(shí)踐中發(fā)揮其應(yīng)有的作用［13］。在充分了解中醫(yī)藥學(xué)的相關(guān)特性的基礎(chǔ)上，定制出了相關(guān)的實(shí)體關(guān)系類別來(lái)構(gòu)建本體模型［14］。該研究構(gòu)建模型關(guān)系如下：

2.1 別名

別名是指中藥材的另一種名稱，通常是由于地域、文化、歷史等原因而產(chǎn)生的。

2.2 功能主治

功能主治是根據(jù)其藥性、成分和作用機(jī)制等來(lái)確定的。不同中藥的功能、適應(yīng)證各不相同，需要在中醫(yī)藥理論的指導(dǎo)下用藥。

2.3 性味

性味是指中藥的氣味和味道。

2.4 歸經(jīng)

所謂歸經(jīng)，就是藥物對(duì)人體特定部位的選擇性，也就是對(duì)特定的臟腑、經(jīng)脈具有特別的親和力。

2.5 用法用量

對(duì)應(yīng)病人生病的嚴(yán)重程度與性質(zhì)來(lái)判斷中藥材的用法和使用計(jì)量。

2.6 藥方

是以中醫(yī)學(xué)理論為指導(dǎo)，依據(jù)臨床實(shí)踐與經(jīng)驗(yàn)，將單味或數(shù)味中藥按照一定的組方原則、藥味數(shù)量、藥物性質(zhì)、配伍方式、劑型選擇、用法用量以及禁忌事項(xiàng)等，進(jìn)行配方，以治療預(yù)防疾病的一種有效方法。

中醫(yī)藥知識(shí)圖譜中的概念類別將會(huì)以網(wǎng)狀結(jié)構(gòu)展示出來(lái)，結(jié)果見(jiàn)圖1。圖1中的原點(diǎn)表示實(shí)體，邊表示實(shí)體與實(shí)體之間的關(guān)系［15］。

3 中醫(yī)藥知識(shí)圖譜數(shù)據(jù)獲取

3.1 專業(yè)書(shū)籍知識(shí)獲取途徑與思路

中醫(yī)藥知識(shí)圖譜數(shù)據(jù)庫(kù)的數(shù)據(jù)來(lái)源多種多樣，包括利用專業(yè)書(shū)籍，爬取網(wǎng)絡(luò)上的開(kāi)元數(shù)據(jù)等，從而得到知識(shí)圖譜數(shù)據(jù)層數(shù)據(jù)，該研究構(gòu)建知識(shí)圖譜的第1個(gè)數(shù)據(jù)來(lái)源是《農(nóng)業(yè)科學(xué)敘詞表》《神農(nóng)本草經(jīng)》《本草綱目》［16］等專業(yè)書(shū)籍，首先通過(guò)OCR技術(shù)將專業(yè)書(shū)籍轉(zhuǎn)換成文檔，然后通過(guò)人工審核與刪減存入原始數(shù)據(jù)庫(kù)（圖2）。

3.1.1 《農(nóng)業(yè)科學(xué)敘詞表》?！掇r(nóng)業(yè)科學(xué)敘詞表》是國(guó)家農(nóng)業(yè)科技人員于1993年開(kāi)始?xì)v時(shí)7年，為滿足國(guó)家農(nóng)業(yè)信息事業(yè)發(fā)展的需求而創(chuàng)建的，旨在實(shí)現(xiàn)國(guó)家農(nóng)業(yè)文獻(xiàn)資源的共享。《農(nóng)業(yè)科學(xué)敘詞表》共有64 638個(gè)敘詞，包括51 614個(gè)正式的敘詞和13 024個(gè)非正式的敘詞。該教材體現(xiàn)了農(nóng)業(yè)科學(xué)學(xué)科涉及面廣，多學(xué)科交叉，應(yīng)用領(lǐng)域廣泛，是一部具有科學(xué)性、規(guī)范性和實(shí)用性的農(nóng)業(yè)信息檢索工具書(shū)。該研究在《農(nóng)業(yè)科學(xué)敘詞表》中提取出了中藥材和別名等數(shù)據(jù)［17］。

3.1.2

《神農(nóng)本草經(jīng)》。《神農(nóng)本草經(jīng)》是中醫(yī)藥物學(xué)的經(jīng)典著作，書(shū)名“神農(nóng)”源于傳說(shuō)中的神農(nóng)氏。該書(shū)成書(shū)于東漢時(shí)期，是中國(guó)古代最早的藥物學(xué)專著，對(duì)后世的中醫(yī)藥學(xué)產(chǎn)生了深遠(yuǎn)的影響?！渡褶r(nóng)本草經(jīng)》作為中醫(yī)藥學(xué)的經(jīng)典之作，對(duì)于推動(dòng)中醫(yī)藥學(xué)的發(fā)展和傳承具有重要意義［14］。它不僅為后世醫(yī)家提供了寶貴的藥物學(xué)資料和理論指導(dǎo)，還為中醫(yī)藥學(xué)的國(guó)際化傳播和交流奠定了基礎(chǔ)?！渡褶r(nóng)本草經(jīng)》中提取出了藥物學(xué)理論，包括四氣（寒、熱、溫、涼）、五味（酸、苦、甘、辛、咸）等基本藥性理論數(shù)據(jù)［18］。

3.1.3

《本草綱目》。《本草綱目》是明代李時(shí)珍撰寫的一部中醫(yī)藥學(xué)名著，成書(shū)于萬(wàn)歷六年（1578年），共52卷。該書(shū)采用“目隨綱舉”的編寫體例，以《證類本草》為藍(lán)本進(jìn)行變革，序例（卷1、2）相當(dāng)于總論，介紹本草要籍與藥性理論［19］?！侗静菥V目》對(duì)每種藥物的形態(tài)進(jìn)行了詳細(xì)描述，包括外觀、顏色、氣味等特征，為藥物的鑒別提供了依據(jù)。此外，書(shū)中還介紹了多種鑒別方法，如觀察法、試驗(yàn)法等，幫助人們準(zhǔn)確識(shí)別藥物的真?zhèn)魏蛢?yōu)劣。該研究提取了《本草綱目》中對(duì)每種藥物的功效和主治的詳細(xì)信息；功能主治則是指藥物所能治療的病癥，如感冒、咳嗽等［20］。

3.2 中藥材網(wǎng)站網(wǎng)絡(luò)爬取

第2個(gè)數(shù)據(jù)來(lái)源是中藥寶典網(wǎng)站。中藥寶典網(wǎng)是一個(gè)涵蓋了多種中藥信息的開(kāi)元平臺(tái)，該研究利用BeautifulSoup和Requests來(lái)爬取網(wǎng)站數(shù)據(jù)，共爬取該網(wǎng)站800個(gè)中醫(yī)藥相關(guān)數(shù)據(jù)，構(gòu)建了20 000個(gè)數(shù)據(jù)節(jié)點(diǎn)［21］。BeautifulSoup是一款 Python類庫(kù)，主要用來(lái)分析 HTML和 XML文件，可以輕松地從 Web頁(yè)面中抽取元素。而Requests是一個(gè)用于構(gòu)建快速、高級(jí)的網(wǎng)絡(luò)爬蟲(chóng)和網(wǎng)頁(yè)采集框架，使用BeautifulSoup和Requests爬取網(wǎng)站數(shù)據(jù)代碼流程如圖3所示［22-23］。

通過(guò)圖3展示的數(shù)據(jù)爬取流程，程序會(huì)自動(dòng)爬取中藥寶典網(wǎng)中的中藥材數(shù)據(jù)，并保存在TXT文檔中，如圖4所示。

圖4中的數(shù)據(jù)包含了3列：第1列為藥品編號(hào)，第2列為藥品名，第3列為藥品相關(guān)資料。由于6個(gè)關(guān)系類別的中藥信息沒(méi)有分離開(kāi)來(lái)，無(wú)法直接存放到圖數(shù)據(jù)庫(kù)中，因此需要經(jīng)過(guò)數(shù)據(jù)處理。通過(guò)對(duì)圖4中3列數(shù)據(jù)進(jìn)行數(shù)據(jù)解析，最終得到含有15 598條數(shù)據(jù)，并存入到Excel文檔中，結(jié)果見(jiàn)圖5。

4 中醫(yī)藥知識(shí)圖譜數(shù)據(jù)的存儲(chǔ)

Neo4j是一種高性能的圖數(shù)據(jù)庫(kù)管理系統(tǒng)，其性能優(yōu)越，使用方便，靈活性強(qiáng)，社區(qū)活躍，易于擴(kuò)展，非常適合于復(fù)雜的關(guān)系型數(shù)據(jù)和應(yīng)用。因此，該研究構(gòu)建的中醫(yī)藥知識(shí)圖譜使用Neo4j圖數(shù)據(jù)庫(kù)來(lái)存儲(chǔ)數(shù)據(jù)［1］。具體存儲(chǔ)的步驟如下：

（1）要將Excel數(shù)據(jù)轉(zhuǎn)換成json數(shù)據(jù)，該研究主要使用Python中的Pandas庫(kù)和openpyxl庫(kù)來(lái)完成這項(xiàng)操作。Pandas庫(kù)中的read_excel函數(shù)可以讀取Excel文檔，to_dict函數(shù)可以將讀取到的數(shù)據(jù)轉(zhuǎn)換為字典列表格式，接著利用Python標(biāo)準(zhǔn)庫(kù)提供的 json 函數(shù)來(lái)將一系列的字典和列表轉(zhuǎn)換為 JSON 格式。通過(guò)這種方式，可以確保數(shù)據(jù)在存儲(chǔ)時(shí)保持其原有的結(jié)構(gòu)不變，同時(shí)也便于讀取和使用，最后使用with open語(yǔ)句創(chuàng)造一個(gè)json文件將轉(zhuǎn)換后的json數(shù)據(jù)保存到文件中形成數(shù)據(jù)合集［24］。

（2）采用第三方庫(kù)Py2neo將json數(shù)據(jù)導(dǎo)入到Neo4j中，具體步驟分為以下2步：首先，導(dǎo)入所需的第三方庫(kù)Py2neo與json，通過(guò)Python語(yǔ)句對(duì)圖數(shù)據(jù)庫(kù)進(jìn)行創(chuàng)建、刪除節(jié)點(diǎn)和關(guān)系的操作，使用Pandas庫(kù)將json數(shù)據(jù)轉(zhuǎn)化為Dataframe格式，再獲取單個(gè)實(shí)體數(shù)據(jù)。圖6為json數(shù)據(jù)導(dǎo)入neo4j的具體流程［25］。

然后將所有數(shù)據(jù)導(dǎo)入neo4j中后，Node labels是知識(shí)圖譜中的節(jié)點(diǎn)（標(biāo)簽）共15 598個(gè)節(jié)點(diǎn)，其中drug_properties為歸經(jīng)，function為功能主治，indications為用法用量，l_name為別名，medicinal為性味，prescription為藥方，z_name為藥材，包括藥材在內(nèi)共有7個(gè)實(shí)體（節(jié)點(diǎn)），Relationship types為知識(shí)圖譜中的關(guān)系（類型）共34 474個(gè)關(guān)系節(jié)點(diǎn)，圖7為neo4j導(dǎo)入數(shù)據(jù)的數(shù)據(jù)庫(kù)展示。

將數(shù)據(jù)導(dǎo)入neo4j后，可以用neo4j瀏覽器查看圖譜，并通過(guò)Cypher來(lái)執(zhí)行查詢操作。例如，MATCHp=（m）-->（）where m.name.n= " （） " RETURN p，代碼可以查詢實(shí)體以及該實(shí)體的三元組網(wǎng)狀結(jié)構(gòu)的關(guān)系。例如下面代碼可以查詢藥材是白芥子以及相關(guān)的關(guān)系與節(jié)點(diǎn)：

MATCH p=（m）-->（）where m.name.= " 白芥子 " RETURN p，查詢結(jié)果如圖8所示。

5 小結(jié)

中醫(yī)藥知識(shí)圖譜的構(gòu)建是實(shí)現(xiàn)中醫(yī)藥現(xiàn)代化和智能化的重要手段。以網(wǎng)頁(yè)數(shù)據(jù)和專業(yè)書(shū)籍為數(shù)據(jù)來(lái)源構(gòu)建了一個(gè)中醫(yī)藥知識(shí)圖譜，使中藥材知識(shí)圖譜系統(tǒng)地整合各種中藥材的相關(guān)信息，主要包括藥材、別名、功能主治、性味、歸經(jīng)、用法用量、藥方等，極大地豐富和拓寬了用戶的藥材知識(shí)儲(chǔ)備。該中藥材知識(shí)圖譜以網(wǎng)狀結(jié)構(gòu)展示數(shù)據(jù)，便于用戶直觀理解和查詢，提高了中醫(yī)藥信息的使用效率。而且以圖譜的形式展示中藥材知識(shí)可以增強(qiáng)中藥材之間的關(guān)聯(lián)性，輔助醫(yī)生進(jìn)行決策。

當(dāng)然，中藥材知識(shí)圖譜的構(gòu)建需要大量的數(shù)據(jù)和時(shí)間，而且隨著中藥材研究和應(yīng)用的不斷深入，新的信息會(huì)不斷涌現(xiàn)。由于數(shù)據(jù)收集、整理、驗(yàn)證等過(guò)程相對(duì)復(fù)雜，導(dǎo)致知識(shí)圖譜的數(shù)據(jù)更新速度較慢，可能無(wú)法及時(shí)反映最新的研究成果和應(yīng)用實(shí)踐。最重要的是，由于數(shù)據(jù)來(lái)源的多樣性、信息整理的復(fù)雜性以及人為因素等，使得中藥材知識(shí)圖譜中可能存在信息誤差，這些誤差可能影響到用戶的使用體驗(yàn)和決策的準(zhǔn)確性，將是后續(xù)完善知識(shí)圖譜必須解決的技術(shù)問(wèn)題。

參考文獻(xiàn)

［1］ 張曉燕，屠立平，王瑞，等.知識(shí)圖譜支持中醫(yī)臨床決策輔助應(yīng)用進(jìn)展［J］.中國(guó)中醫(yī)基礎(chǔ)醫(yī)學(xué)雜志，2024，30（5）：914-917.

［2］ 陳健，楊鳳，任巧生，等.基于知識(shí)元理論與知識(shí)圖譜的中風(fēng)病古籍醫(yī)案研究路徑探賾［J］.中國(guó)中醫(yī)基礎(chǔ)醫(yī)學(xué)雜志，2024，30（5）：792-798.

［3］ 蘇尤麗，胡宣宇，馬世杰，等.人工智能在中醫(yī)診療領(lǐng)域的研究綜述［J］.計(jì)算機(jī)工程與應(yīng)用，2024，60（16）：1-18.

［4］ 李婧玥.基于知識(shí)圖譜對(duì)中國(guó)合作創(chuàng)新網(wǎng)絡(luò)研究的可視化分析［J］.江蘇商論，2024（6）：29-34.

［5］ 王佳麗，吳曉琳，衛(wèi)萌，等.審計(jì)質(zhì)量研究綜述：基于Citespace知識(shí)圖譜分析［J］.中國(guó)鄉(xiāng)鎮(zhèn)企業(yè)會(huì)計(jì)，2024（5）：153-156.

［6］ 郭洪飛，趙敏，李榮彪，等.基于知識(shí)圖譜的新質(zhì)生產(chǎn)力研究文獻(xiàn)計(jì)量分析［J］.材料導(dǎo)報(bào)，2024，38（12）：58-67.

［7］ 金晶，郗歐，馬進(jìn)，等.基于CiteSpace知識(shí)圖譜的中醫(yī)藥治療腦缺血再灌注損傷研究現(xiàn)狀分析［J］.浙江中醫(yī)雜志，2024，59（3）：275-278.

［8］ 榮紅國(guó)，高千泰，郝學(xué)增.我國(guó)中醫(yī)藥教育研究現(xiàn)狀與熱點(diǎn)的CiteSpace知識(shí)圖譜分析［J］.中醫(yī)教育，2024，43（1）：25-29.

［9］ 謝新月，周榮易，丁申奧，等.基于CiteSpace/VOSviewer的中醫(yī)藥治療腎病綜合征現(xiàn)狀及趨勢(shì)可視化分析［J］.中醫(yī)藥導(dǎo)報(bào)，2023，29（10）：136-142.

［10］ 趙金月，韓宇博，隋艷波，等.基于知識(shí)圖譜的中醫(yī)藥治療代謝綜合征研究現(xiàn)狀的可視化分析［J］.中西醫(yī)結(jié)合心腦血管病雜志，2023，21（18）：3298-3306.

［11］ 鄧宇，周衛(wèi)強(qiáng)，張振銘，等.基于名老中醫(yī)醫(yī)案的知識(shí)圖譜構(gòu)建［J］.湖南中醫(yī)雜志，2019，35（7）：186-187.

［12］ 常銳博，王居義，吳文清.紹派醫(yī)家《重訂通俗傷寒論》治疫思想探析［J］.中國(guó)中醫(yī)基礎(chǔ)醫(yī)學(xué)雜志，2024，30（5）：764-766.

［13］ 包瑜，李楠，錢琳琳，等.《重訂通俗傷寒論》時(shí)疫診治思路淺析［J］.中國(guó)中醫(yī)基礎(chǔ)醫(yī)學(xué)雜志，2024，30（5）：767-769.

［14］ 趙同明，錢佳琛，王翔，等.健康飲食知識(shí)圖譜和問(wèn)答系統(tǒng)構(gòu)建研究［J］.現(xiàn)代信息科技，2024，8（6）：7-10.

［15］ 周嘉瑋，王坤，吳雨璐，等.基于BiLSTM-CRF的《神農(nóng)本草經(jīng)》命名實(shí)體識(shí)別研究［J］.成都中醫(yī)藥大學(xué)學(xué)報(bào)，2024，47（3）：54-59.

［16］ 李光燕，韓邦興.《神農(nóng)本草經(jīng)》杜若考［J］.皖西學(xué)院學(xué)報(bào)，2024，40（2）：75-78.

［17］ 翁曉芳，顧漫，羅瓊.從藥名角度重審《神農(nóng)本草經(jīng)》的成書(shū)和歷史地位［J］.中醫(yī)文獻(xiàn)雜志，2023，41（6）：86-89.

［18］ 林艷華，呂鵬宇，相光鑫，等.從《本草綱目·百病主治藥》探討李時(shí)珍汗證診療特色［J］.山東中醫(yī)藥大學(xué)學(xué)報(bào)，2024，48（3）：291-294.

［19］ 鄧希龍，鄭柳萍.傳統(tǒng)文化資源融入中學(xué)化學(xué)教學(xué)的設(shè)計(jì)與思考：以《本草綱目》的教學(xué)應(yīng)用為例［J］.福建基礎(chǔ)教育研究，2024（4）：117-120.

［20］ 崔夢(mèng)銀，鄧茵，劉滿意.Python爬蟲(chóng)技術(shù)在學(xué)術(shù)聚合系統(tǒng)中的應(yīng)用［J］.現(xiàn)代信息科技，2024，8（10）：68-74.

［21］ 張一恒，王芹，刁煒卿，等.基于Scrapy爬蟲(chóng)技術(shù)和圖神經(jīng)網(wǎng)絡(luò)的生態(tài)旅游推薦技術(shù)［J］.自動(dòng)化與儀器儀表，2024（2）：6-10.

［22］ 裴晨越，張良，王廣龍，等.基于CiteSpace中醫(yī)藥治療急性胰腺炎知識(shí)圖譜的可視化分析［J/OL］.中醫(yī)臨床研究，2024-06-06［2024-06-14］.https：//link.cnki.net/urlid/11.5895.R.20240605.1605.002.

［23］ 李思思，燕燕，夏書(shū)劍，等.中醫(yī)湯劑知識(shí)圖譜的構(gòu)建與樣例查詢方法研究［J］.中華中醫(yī)藥學(xué)刊，2024，42（8）：31-36.

［24］ 崔唐明，孫美玲，孫華君，等.基于PICO模型的中醫(yī)藥循證指南知識(shí)圖譜構(gòu)建與智能問(wèn)答系統(tǒng)研究［J］.中國(guó)數(shù)字醫(yī)學(xué)，2024，19（5）：20-27.

［25］ 杜美皎，劉青武，崔韻然，等.基于知識(shí)圖譜雄激素性禿發(fā)中醫(yī)藥研究的可視化分析［J］.中國(guó)醫(yī)藥導(dǎo)報(bào)，2024，21（13）：16-20.