[发明专利]中医经方古籍知识图谱构建及证候挖掘系统

说明书

本发明公开了中医经方古籍知识图谱构建及证候挖掘系统，包括：知识图谱构建模块，用于获取概念术语并进行实体分类，及对应实体间的关系，构建知识图谱，并将知识图谱导入图数据库，形成实体图；知识挖掘模块包括，又包括：图映射单元，抽取实体图中，所有症状节点作为子图节点，统计症状共现的次数作为子图中边的权重，共现为两个症状节点在实体图中通过同一中间节点相连，中间节点的类别不限；社区发现计算单元，获取图映射后的症状子图数据，计算症状的社区分布规律，得到社区数量、模块度、节点数量、每个社区包含的具体节点，即具体症状，每个社区，代表一个证候，节点数量代表证候下可能出现的症状。

技术领域

本发明涉及数据挖掘技术领域，尤其是涉及中医经方古籍知识图谱构建及证候挖掘系统。

背景技术

消渴病以多饮、多食、多尿、口渴、乏力、消瘦，或尿有甜味为主要临床表现，可见于现代医学的糖尿病等。中医在改善胰岛素低抗、保护胰岛功能等方面具有明确优势，然而，历代医家对消渴认识不一，导致其证候缺乏规范性。经方是以张仲景六经辨证为理论核心的汉唐方脉医学理论体系。六经辨证对表里虚实寒热进行了再分类，涵盖了脏腑经络等辨证信息。本申请的预试验表明，古籍中记载的消渴相关内容具有六经证候分布规律。然而这些知识散见于多部古籍，人工整合难度较大，且难以对知识复用。因此，消渴病古籍知识有待整理规范。

知识图谱是一种语义网络，可对领域中的概念及其关系进行形式化描述。其优势为：整合各种数据源的知识；提供便捷的知识搜索；通过知识推理实现知识发现；为人工智能系统提供先验知识。构建经方消渴病知识图谱，将提高知识的利用率和知识工作者的效率，为下一步融合知识图谱与深度学习的研究奠定基础。目前，知识图谱在中医药领域的研究涉及知识整合、名老中医经验传承、中药制剂、中医科研等。经方领域已有研究采用图数据库，构建桂枝汤类方的图谱并实现检索，或从“方证对应”出发，实现医案处方查询。然而整合多部古籍进行证候挖掘的研究尚未见报道。

证候研究若从理论切入，会受到个人经验和临床水平的限制，而数据挖掘则较为客观。中医证候具有高维高阶的特点，构成证候的症状之间存在非线性的复杂关系。虽然因子分析等方法可以发现症状的共现规律，但其前提假设为不同证候之间的症状相对独立，与临床实际不符；运算中对数据降维也导致了信息减损。

复杂网络能呈现非线性复杂关系，更符合中医辨证知识结构的特点。其重要特征之一是社团结构，而社区结构能发现网络中节点紧密的连接和相似的属性，并基于此挖掘潜在类别。社区发现算法将每个症状对证型的贡献度都考虑在内，且不会遗漏症状间的相互作用。Louvain算法是目前最为高效且被广泛应用的社区发现算法之一。因此，研究尝试运用社区发现算法进行证候分析和用药规律研究。

基于图计算的知识发现方法更符合中医证候复杂多维的特点，可实现涵盖症状关联信息的证候研究，为中医经方古籍的证候研究提供新的思路和方法。

发明内容

为解决现有技术的不足，在消渴病相关古籍文献研究的基础上，通过构建经方辨治消渴病的知识图谱实现知识表示，利用社区发现算法，实现消渴病六经证候等知识挖掘，探索运用链路预测技术实现知识图谱补全的目的，本发明采用如下的技术方案：

中医经方古籍知识图谱构建及证候挖掘系统，包括：知识图谱构建模块、图数据库和知识挖掘模块，所述知识挖掘模块，包括：图映射单元、社区发现计算单元；

所述知识图谱构建模块，用于获取概念术语并进行实体分类，及对应实体间的关系，构建知识图谱，并将知识图谱导入图数据库，形成实体图；

所述图映射单元，抽取实体图中，所有症状节点作为子图节点，统计症状共现的次数作为子图中边的权重，所述共现为两个症状节点在实体图中通过同一中间节点相连，所述中间节点的类别不限，由于实体图中包含不同类别的节点，需要先映射为子图再进行运算；