中醫(yī)經(jīng)方知識圖譜“圖搜索模式”設計研究

尹丹 周璐 周雨玫 孫燕 李宇航

摘要：目的? 設計中醫(yī)經(jīng)方知識圖譜及圖搜索模式，為經(jīng)方知識的瀏覽、檢索及運用提供新的設計思路。方法? 采用領域本體七步法，以中醫(yī)經(jīng)方為研究對象進行知識圖譜模式層和數(shù)據(jù)層設計。運用Neo4j中的Cypher語言設計一種模擬人聯(lián)想思維進行檢索的經(jīng)方知識檢索框架。結果? 設計的中醫(yī)經(jīng)方知識圖譜結構，概念包括方劑、治療、中藥、禁忌證、功用等，概念與概念間關系有方劑→組成部分→中藥、方劑→禁忌→證等。模擬人聯(lián)想思維進行檢索的經(jīng)方知識檢索框架包含隨證選方、方劑使用禁忌與煎服方法等功能;利用拓撲有向圖認知結構模擬“方證對應”的過程;可進行單個醫(yī)案的經(jīng)方用藥分析及以方測證等功能的智能推理。結論? 本研究設計的中醫(yī)經(jīng)方知識圖譜及圖搜索模式，可模擬人聯(lián)想思維進行經(jīng)方數(shù)據(jù)挖掘及分析。

關鍵詞：經(jīng)方;知識圖譜;Neo4j;圖搜索

中圖分類號：R2-05;R222??? 文獻標識碼：A??? 文章編號：1005-5304（2019）08-0094-05

DOI：10.3969/j.issn.1005-5304.2019.08.019????? 開放科學（資源服務）標識碼（OSID）：

Abstract： Objective To design the knowledge graph of TCM classic prescriptions and its corresponding search mode; To provide a new design idea for browsing， retrieving and using TCM knowledge for case analysis. Methods Taking the TCM classic prescription as the research object， the domain ontology seven-step method was used to design knowledge map pattern layer and data layer. Cypher language of the Neo4j map database was used to design a kind of classic prescriptions retrieval framework by simulating human associative thinking. Results The designed structure of knowledge graph of TCM classic prescription： concepts included prescriptions， treatment， Chinese materia medica， contraindications and functions. The relationship between concepts was prescription → component → Chinese materia medica， prescription → taboo → syndrome. The functional knowledge retrieval framework through simulating human associative thinking included functions such as the selection of prescriptions， the use taboos of prescriptions and the method of decoction; the process of simulating the “prescription and syndrome correspondence” by using the topological directed graph cognitive structure; the intelligent reasoning of the functions of the individual medical treatment， such as prescription analysis and prescription testing. Conclusion Graph search pattern and knowledge graph of TCM classic prescriptions designed in this study can simulate human associative thinking to conduct data mining and analysis for classic prescriptions.

Keywords： classic prescriptions; knowledge graph; Neo4j; graph search

“經(jīng)方”一詞最早見《漢書·藝文志·方技略》，原指經(jīng)驗之方，包括中醫(yī)經(jīng)典著作中記載的方劑，現(xiàn)主要指《傷寒論》《金匱要略》所載方劑，合為323首，減去重復方43首，計280首[1]。其用藥精專，法度嚴謹，被廣泛應用于臨床且療效顯著。

近年來，特定領域的知識圖譜構建一直是研究的熱點。從搜索引擎優(yōu)化到新藥發(fā)現(xiàn)，知識圖譜已滲透到金融、工業(yè)和醫(yī)學等各領域。中醫(yī)藥領域已開展了中醫(yī)結合知識圖譜的相關研究[2]。于彤等[3]進行了中醫(yī)養(yǎng)生知識圖譜的構建研究。楊秦等[4]采用共詞分析及社會網(wǎng)絡方法對中醫(yī)外科瘡瘍領域的研究主題及分布進行了探索。但中醫(yī)經(jīng)方知識圖譜及基于知識圖譜的經(jīng)方檢索、瀏覽與數(shù)據(jù)分析的圖搜索設計的相關研究鮮見報道。

構建經(jīng)方知識圖譜及與其相應的搜索模式，可將經(jīng)方知識表達成更接近人類認知的結構，而基于此結構進行擬人思維的檢索、瀏覽與數(shù)據(jù)分析，為中醫(yī)現(xiàn)代化背景下的中醫(yī)經(jīng)方研究提供了新的切入點。同時，也可為經(jīng)方知識的瀏覽、檢索及運用經(jīng)方知識進行案例分析提供一種新的設計思路。為此，本研究結合圖數(shù)據(jù)管理系統(tǒng)進行經(jīng)方知識圖譜及圖搜索模式的設計。

1? 知識圖譜

2012年5月17日，谷歌正式提出了“知識圖譜”這個術語[5]。其吸收了語義網(wǎng)的實例表達與本體概念表達理念，以“概念→關系→概念”“實體→關系→實體”三元組描述真實世界中存在的各種概念或?qū)嶓w，以及各種實體、概念之間的關系[6-8]。其中概念是指事物的本質(zhì)屬性，如桂枝湯、麻黃湯的概念為方劑。實體是指概念下的具體實例，如“桂枝湯”是“方劑”概念下的一個具體實例。概念、實體間則進一步通過“關系”連接在一起，從而得到的一張巨大的由“三元組”對知識進行表示的圖。

以“桂枝湯”為例，其組成藥物包括“桂枝、芍藥、生姜、大棗、甘草”，利用知識圖譜的“三元組”結構對其進行描述。其“概念→關系→概念”為：方劑→組成部分→中藥;“實體→關系→實體”為：桂枝湯→組成部分→桂枝，…，桂枝湯→組成部分→甘草。見圖1。這種描述結構與人類認知結構中的拓撲認知[9]結構相符合，是一種人類認知結構模擬。

綜上，知識圖譜是以“三元組”形式描述知識數(shù)據(jù)的數(shù)據(jù)庫，其結構與人的認知結構相契合，從而為模擬人的認知思維進行經(jīng)方數(shù)據(jù)的挖掘、分析提供了數(shù)據(jù)支持。

隨著計算機數(shù)據(jù)庫技術的發(fā)展，圖數(shù)據(jù)庫已成為知識圖譜的一種載體，可實現(xiàn)圖數(shù)據(jù)的儲存與檢索[10-11]。其中Neo4j是一個高性能的圖數(shù)據(jù)庫[10，12]，它將結構化數(shù)據(jù)存儲于網(wǎng)絡，數(shù)據(jù)模型主要以節(jié)點和關系（邊）體現(xiàn)，也可處理鍵值對（即描述事物的屬性）。即Neo4j以節(jié)點、關系、屬性為基本元素，提供了較為完備的事物描述結構。這為經(jīng)方知識圖譜的建立提供了技術支持，為其實現(xiàn)提供了可能。

2? 圖搜索模式

圖搜索模式是一種圖數(shù)據(jù)的模式匹配方法，是在圖數(shù)據(jù)庫的基礎上，根據(jù)給定的信息，從大量的圖數(shù)據(jù)中匹配出這些信息所指向的結果，并展現(xiàn)給定信息與結果間的關系[13]。簡而言之，圖搜索模式是利用圖數(shù)據(jù)庫中存儲的數(shù)據(jù)，對輸入的信息按照設定的圖搜索方式，檢索出對應的結果，并展現(xiàn)其邏輯路徑。

中醫(yī)藥大型知識圖譜的圖搜索[14]，實現(xiàn)了輸入中藥名稱給出相應的語義網(wǎng)絡、輸入中藥的所屬概念等信息即給出以輸入實例為核心的由“實體→關系→實體”三元組構成的實例知識網(wǎng)絡及其所屬的概念，如輸入“生姜”，將顯示以“生姜”為中心的相關知識網(wǎng)絡及“生姜”所屬的概念為“中藥”。見圖2。

相比于傳統(tǒng)的搜索模式，這種圖搜索的優(yōu)勢在于更契合人類的聯(lián)想認知，通過“生姜”聯(lián)想到“中藥”，又可通過“中藥”聯(lián)想到“止嘔藥”“化痰藥”等。將這種模擬思維聯(lián)想的圖搜索用于答案獲取，可淘汰現(xiàn)有的人工過濾網(wǎng)頁尋找答案的模式。如想知道桂枝湯的功效類別及該類別的其他方劑，僅需通過圖搜索對桂枝湯進行檢索，即可獲得以“桂枝湯”為核心的知識圖，及桂枝湯所屬的概念“解表劑”，進而可得到“解表劑”概念下的所有方劑。

Neo4j圖數(shù)據(jù)庫作為知識圖譜的一種載體，不但能將知識以圖模式進行存儲，而且提供了圖搜索模式的設計框架，這為設計以人類認知思維進行經(jīng)方數(shù)據(jù)挖掘、分析的圖搜索提供了技術支持?；谶@一技術對經(jīng)方知識圖譜與相應的圖搜索模式進行設計，有望設計出一種具有擬人思維的智能體，用于經(jīng)方知識的檢索與數(shù)據(jù)分析。

3? 經(jīng)方知識圖譜設計

經(jīng)方知識圖譜按照知識圖譜的結構，分為2個層次：數(shù)據(jù)層和模式層[15]。模式層由表達概念的本體構成，即概念及概念間的關系組成的“三元組”，用于約束數(shù)據(jù)的概念。數(shù)據(jù)層由實例構成，即概念下的具體實例。其概念與實例的具體設計按照斯坦福大學醫(yī)學院提出的適合醫(yī)學領域的領域本體七步法[16]進行構建，即：①定義領域和范疇;②考查復用現(xiàn)有知識本體的可能性;③列出知識本體中的重要術語;④定義類和類的等級體系;⑤定義類的屬性;⑥定義屬性的分面;⑦創(chuàng)建實例。

3.1? 模式層設計

對經(jīng)方知識圖譜的模式層的設計實際上是對經(jīng)方概念及其概念間關系的設計，這一過程按領域本體七步法中的1～6步進行，其設計出的概念可有：方劑、治療、中藥、禁忌證、功用等;設計的概念與概念間關系有：方劑→組成部分→中藥，方劑→禁忌→證等。

3.2? 數(shù)據(jù)層設計

數(shù)據(jù)層的設計實際上是設計本體下的具體實例，即模式層概念及概念間關系對應的具體實例。如“桂枝”為“中藥”概念下的具體實例，“桂枝湯”為“方劑”概念下的具體實例，用“三元組”表示為“桂枝湯→組成部分→桂枝”。見圖3。

經(jīng)方知識圖譜按照該設計思路進行，對知識數(shù)據(jù)可形成結構化的描述，這將提供一種擬人認知結構的數(shù)據(jù)庫，為進一步模擬人的思維進行數(shù)據(jù)的搜索與分析提供數(shù)據(jù)支撐。由于其知識的復雜性，本研究具體設計與實現(xiàn)在領域?qū)＜抑笇陆Y合領域本體七步法進行。

4? 經(jīng)方知識圖譜的圖搜索模式設計

經(jīng)方知識圖譜的圖搜索模式在知識圖譜基礎上結合其組成、主治、禁忌、煎服法及所含藥物的禁忌、功用等，運用Neo4j中的Cypher語言設計一種模擬人聯(lián)想思維進行檢索的經(jīng)方知識檢索框架，包含隨證選方、方劑使用禁忌與煎服方法等功能;利用拓撲有向圖認知結構模擬“方證對應”的過程;可進行單個醫(yī)案的經(jīng)方用藥分析及以方測證等功能的智能推理?？蚣茉O計見圖4。

通過不同的思維路徑可完成經(jīng)方知識檢索、以方測證及單個醫(yī)案的經(jīng)方用藥等智能推理，如輸入藥物進行主方辨識及推測可能證候與主方加減用藥原因。

本研究將知識圖譜概念層內(nèi)以中文表述的概念與關系轉(zhuǎn)為英文，以便于運用計算機語言進行圖搜索設計，所用Cypher語句表見表1，其對應關系見表2。

4.1? 知識檢索框架

4.1.1? 隨證選方的搜索設計

隨證選方的設計旨在根據(jù)提供的證給出對應的方，即實現(xiàn)“證”與“方”的匹配，完成中醫(yī)有是證用是方的“方證對應”過程。

根據(jù)以上搜索設計目標，設計其匹配規(guī)則為：

上式中，S是證，Syndrome為證候這一概念的英文表達，F(xiàn)ormula為方劑這一概念的英文表達。D是匹配出的方劑。如S=[“太陽中風表虛證”]，則可通過如圖4中方到證匹配路徑，輸出”桂枝湯”。

4.1.2? 方劑使用禁忌與煎服法的搜索設計

使用禁忌與煎服法的搜索設計旨在輸入擬使用的方劑，輸出此方的禁忌項和與其相應的特殊煎服方法。即設計旨在實現(xiàn)以下目標：①方的禁忌證的匹配，即根據(jù)方檢索出方相應的禁忌證，以減少臨床誤治。②方的煎服方法匹配，提高臨床療效。

根據(jù)以上搜索設計目標，設計其匹配規(guī)則為：

式中，F(xiàn)為擬使用的方劑，D.name與F.decoction為返回的該方劑對應的禁忌與煎服方法。如“桂枝湯→禁忌→傷寒表實證”。

可以看出，雖各項檢索完成的任務不相同，但其檢索設計均為以下2種表達式的組合：

式1：MATCH（實例變量1：概念變量）WHERE實例變量.屬性=/in輸入變量RETURN實例變量1

式2：MATCH（實例變量1）-[]→（實例變量2：概念變量）RETURN實例變量2

以上2種表達式的組合可對圖中實體與概念進行匹配搜索，通過變量的變化，設計多種經(jīng)方知識的檢索任務。與純文字的匹配查詢比較，該設計有望為經(jīng)方知識的檢索查詢提供一種類似人聯(lián)想思維的經(jīng)方知識檢索方法，使經(jīng)方知識檢索更智能。

4.2? 智能推理框架

智能推理旨在運用知識圖譜中的知識與Cypher指令編寫的“方證對應”圖搜索過程對單個案例實現(xiàn)以方測證、組方用藥等分析。設計如下：①根據(jù)案例中的藥物，分析出其中所用的主要“經(jīng)方”，即案例中的“主方”。②以“方證對應”的方式推測主方所治證候，即以方測證。③依據(jù)藥物的功用及禁忌，推測該案例中主方的藥物加減原因。其表達式為：

式中，A是案例中的藥物。B是匹配的方劑，B可為1個或多個方劑即B=[B1，B2，B3，...，Bn]。依據(jù)方到藥的匹配路徑，進一步得出相應方劑B的組成藥物G，即G=[G1桂枝湯組成藥物，G2麻黃湯組成藥物，...，Gn葛根湯組成藥物]。j為杰卡德相似度公式用于計算出主方。

其中式（5）～式（7）實現(xiàn)根據(jù)案例中的藥物分析出對應的主方，即根據(jù)案例中的藥物檢索出包含這些藥物中的一味藥或多味藥的方劑，將案例中的藥物與式（6）所給出的方劑中的藥物進行相似度比較以此確定案例中的主方。如設置信度時，當相似度>0.8，則納入為該案例的主方。即上述3步可完成“藥→候選方→候選方匹配度計算→根據(jù)匹配度得出主方”的過程。如輸入中藥為半夏、黃芩、干姜、人參、炙甘草、黃連、大棗、生牡蠣，可匹配出生姜瀉心湯、甘草瀉心湯、及半夏瀉心湯、這三者的相似度為0.77、0.87、0.87。根據(jù)“方”與“證”匹配到寒熱錯雜證，此時根據(jù)主方用藥量即可確定具體主方。如甘草用量為12 g，即為甘草瀉心湯，否則為半夏瀉心湯。

式（9）～式（10）旨在將案例中的藥物與主方藥物進行二者的補集運算，M為對應案例中所用主方的原方藥物，以此集合運算即可在主方基礎上找出增加或去除的藥物，即W（主方基礎上增加的藥物）與K（主方中去除的藥物）。

式（11）～式（13）旨在根據(jù)加減的藥物聯(lián)想出其對應的功用與禁忌，以此作為該醫(yī)案中主方加減的原因之一。如生牡蠣為主方所加藥物，則輸出為平肝潛陽、鎮(zhèn)靜安神、收斂固澀等，故推斷出患者可能有心煩易急、驚悸失眠、眩暈耳鳴等癥狀。

綜上，其智能推理框架可分析方劑使用及藥物加減思路，除用藥頻次等數(shù)理統(tǒng)計外，提供對單個醫(yī)案的解讀方法與思路。

5? 結語

知識圖譜是近年來互聯(lián)網(wǎng)領域中出現(xiàn)的新興技術，用可視化技術描述知識資源及其載體，挖掘、分析、構建、繪制和顯示知識及其相互聯(lián)系，為學科研究提供直觀參考。本研究基于經(jīng)方知識圖譜，使用Neo4j圖數(shù)據(jù)管理系統(tǒng)提供的Cypher查詢語言進行圖搜索模式設計。

本研究搜索方案僅依據(jù)中醫(yī)以方測證進行醫(yī)案分析的初步設計，為使知識圖譜的檢索更契合人類的認知結構和思維模式，但仍存在一些問題亟待解決。如方劑臨證加減的藥物與基礎方劑中藥物是否有交互作用;增加的藥物根據(jù)藥物本身的功效還是根據(jù)某處方中的藥對;減去原方中的某味藥物是與藥物本身的禁忌相關還是與增加的藥物有某種交互作用（如相殺關系）等。上述問題有待通過進一步解析中醫(yī)臨證時的用藥思維模式，完善圖搜索設計中“三元組”要素關系等加以解決，從而使知識圖譜更加契合中醫(yī)臨床辨證論治的需要。

參考文獻：

[1] 李宇航.《傷寒論》用藥劑量與配伍比例研究[M].北京：人民衛(wèi)生出版社，2015.

[2] 李新龍，劉巖，何麗云，等.知識圖譜研究概況及其在中醫(yī)藥領域的應用[J].中國中醫(yī)藥信息雜志，2017，24（7）：129-132.

[3] 于彤，李敬華，于琦，等.中醫(yī)養(yǎng)生知識圖譜的構建與應用[J].中國數(shù)字醫(yī)學，2017，12（12）：64-66.

[4] 楊秦，曾莉，李文林.中醫(yī)外科關于瘡瘍研究的知識圖譜分析[J].南京中醫(yī)藥大學學報，2012，28（6）：535-537.

[5] SINGHAL A. Introducing the Knowledge Graph：things， notstrings[EB/OL]. （2012-05-16）[2018-07-20].http：//googleblog.blogspot.com/2012/05/introducing-knowledge-graph-things-not.html.

[6] SUMMERS-STAY D. Deductive and analogical reasoning on a semantically embedded knowledge graph[C]//International Conference on Artificial General Intelligence.Springer，Cham， 2017：112-122.

[7] 袁磊，張浩，陳靜，等.基于本體化知識模型的知識庫構建模式研究[J].計算機工程與應用，2001，42（30）：64-68，104.

[8] 張德政，謝永紅，李曼，等.基于本體的中醫(yī)知識圖譜構建[J].情報工程，2017，3（1）：35-42.

[9] 印世海.概念拓撲同化論[J].外國語（上海外國語大學學報），2012， 35（5）：46-53.

[10] 肖慶都，屈亮亮，侯霞.基于Neo4j圖數(shù)據(jù)庫的課程體系知識圖譜系統(tǒng)設計與實現(xiàn)[J].電腦知識與技術，2017，13（36）：130-132.

[11] ABREU D D， FLORES A， PALMA G， et al. Choosing between graph databases and RDF engines for consuming and mining linked data[C]//International Conference on Consuming Linked Data. Sydney：Australia Aachen CEUR-WS.org，2013：37-49.

[12] 程耀東，趙建昌，徐軍.圖形數(shù)據(jù)庫應用技術研究[J].圖學學報， 2006，27（1）：143-148.

[13] 馬帥，李佳，劉旭東，等.圖查詢：社會計算時代的新型搜索[J].中國計算機學會通訊，2012，8（11）：26-31.

[14] 賈李蓉，劉靜，于彤，等.中醫(yī)藥知識圖譜構建[J].醫(yī)學信息學雜志， 2015，36（8）：51-53.

[15] 李秀玲，張樹生，黃瑞，等.基于工藝知識圖譜的異構CAM模型結構化建模方法[J].計算機輔助設計與圖形學學報，2018，30（7）：1346.

[16] NOY N F， M C GUINNESS D L. Ontology Development 101：A Guide to creating your first ontology[R]. KSL-01-05. Stanford Knowledge Systems Laboratory Technial Report，2001.

（收稿日期：2018-08-28）

（修回日期：2018-10-26;編輯：向宇雁）