基于專業(yè)書籍和網(wǎng)頁數(shù)據(jù)的中醫(yī)藥知識圖譜設(shè)計與實現(xiàn)

摘要 中醫(yī)藥在中國有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。對于中醫(yī)藥數(shù)據(jù)非結(jié)構(gòu)化的問題，設(shè)計并實現(xiàn)了中醫(yī)知識圖譜。首先，選取了藥材、別名、功能主治等6種關(guān)系來構(gòu)建中藥材知識圖譜的概念層；然后，利用6種關(guān)系從農(nóng)業(yè)敘詞表等專業(yè)書籍和中醫(yī)藥網(wǎng)站上獲取數(shù)據(jù)，并對中醫(yī)藥知識進(jìn)行數(shù)據(jù)處理，從而得到三元組形式的中醫(yī)藥知識；最終，將中醫(yī)知識存入Neo4j數(shù)據(jù)庫，并將其呈現(xiàn)出來。中醫(yī)藥知識圖譜的構(gòu)建將大大提高中醫(yī)藥知識的可理解性和可訪問性，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)藥知識圖譜；關(guān)系；爬蟲技術(shù)；Neo4j

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

doi：10.3969/j.issn.0517-6611.2024.21.046

開放科學(xué)（資源服務(wù)）標(biāo)識碼（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

基金項目 2022年度湖南省社會科學(xué)成果評審委員會課題（XSP22-YBZ024）。

作者簡介 喬波（1981—），男，湖南臨澧人，副教授，博士，碩士生導(dǎo)師，從事自然語言處理、農(nóng)業(yè)知識圖譜與智慧農(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。然而，隨著現(xiàn)代醫(yī)學(xué)的快速發(fā)展，中醫(yī)藥知識的傳承和發(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)藥知識具有復(fù)雜的概念體系和龐大的知識量，而且這些知識往往呈現(xiàn)碎片化和信息孤島現(xiàn)象，導(dǎo)致用戶難以形成對中醫(yī)藥的全面認(rèn)識［1］。

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

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

1 研究現(xiàn)狀

1.1 知識圖譜的研究現(xiàn)狀

知識圖譜是語義網(wǎng)絡(luò)為骨架的大型知識系統(tǒng)，它是以圖的形式顯示信息及信息之間的關(guān)系；所有的實體與屬性、實體與實體之間的關(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，利用圖來儲存與表達(dá)知識，使得零散的知識相互連接，結(jié)構(gòu)化呈現(xiàn)領(lǐng)域概念之間的語義關(guān)系［5］。隨著大數(shù)據(jù)和人工智能技術(shù)的飛速發(fā)展，知識圖譜作為一種重要的知識表示方法，已經(jīng)在多個領(lǐng)域展現(xiàn)出其巨大的應(yīng)用價值［6］。

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

領(lǐng)域知識圖譜，又稱行業(yè)知識圖譜或垂直知識圖譜，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)域知識圖譜具有資源豐富、結(jié)構(gòu)復(fù)雜、對知識品質(zhì)的要求高、適用范圍廣等特點。目前，國內(nèi)學(xué)者在農(nóng)業(yè)領(lǐng)域知識圖譜的構(gòu)建進(jìn)行了相關(guān)研究，如吳賽賽構(gòu)建的作物病蟲害知識圖譜、于婷婷構(gòu)建的農(nóng)作物知識圖譜、張明美構(gòu)建的獼猴桃種植領(lǐng)域知識圖譜等。

1.2 中醫(yī)藥知識圖譜國內(nèi)外研究現(xiàn)狀

中醫(yī)藥知識圖譜作為中醫(yī)藥現(xiàn)代化的重要工具，在輔助診斷、個性化治療、新藥研發(fā)等方面具有廣闊的應(yīng)用前景，近年來受到廣泛關(guān)注。國內(nèi)研究多依賴于傳統(tǒng)醫(yī)學(xué)文獻(xiàn)、臨床經(jīng)驗及現(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。在概念體系與知識庫方面，國內(nèi)中醫(yī)藥知識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)藥知識庫建設(shè)上，已有一些代表性的成果，如中國中醫(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)庫共有48個數(shù)據(jù)庫，總數(shù)據(jù)超過120 000個［10］；鄧宇等［11］基于老中醫(yī)醫(yī)案創(chuàng)建了知識圖譜，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)建知識圖譜用于發(fā)現(xiàn)診療知識，通過對大量醫(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)藥知識間的關(guān)系。國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)藥知識圖譜模式層構(gòu)建

在構(gòu)建中醫(yī)藥知識圖譜模式層時，需要明確模式層的主題和范圍，以確保模式層的知識能夠滿足實際需求。深入探究《神農(nóng)本草經(jīng)》《本草綱目》以及《傷寒論》等珍貴古籍中所蘊含的中醫(yī)藥概念，可以窺見中醫(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)的實體關(guān)系類別來構(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)，就是藥物對人體特定部位的選擇性，也就是對特定的臟腑、經(jīng)脈具有特別的親和力。

2.5 用法用量

對應(yīng)病人生病的嚴(yán)重程度與性質(zhì)來判斷中藥材的用法和使用計量。

2.6 藥方

是以中醫(yī)學(xué)理論為指導(dǎo)，依據(jù)臨床實踐與經(jīng)驗，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)藥知識圖譜中的概念類別將會以網(wǎng)狀結(jié)構(gòu)展示出來，結(jié)果見圖1。圖1中的原點表示實體，邊表示實體與實體之間的關(guān)系［15］。

3 中醫(yī)藥知識圖譜數(shù)據(jù)獲取

3.1 專業(yè)書籍知識獲取途徑與思路

中醫(yī)藥知識圖譜數(shù)據(jù)庫的數(shù)據(jù)來源多種多樣，包括利用專業(yè)書籍，爬取網(wǎng)絡(luò)上的開元數(shù)據(jù)等，從而得到知識圖譜數(shù)據(jù)層數(shù)據(jù)，該研究構(gòu)建知識圖譜的第1個數(shù)據(jù)來源是《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)書籍，首先通過OCR技術(shù)將專業(yè)書籍轉(zhuǎn)換成文檔，然后通過人工審核與刪減存入原始數(shù)據(jù)庫（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》是國家農(nóng)業(yè)科技人員于1993年開始?xì)v時7年，為滿足國家農(nóng)業(yè)信息事業(yè)發(fā)展的需求而創(chuàng)建的，旨在實現(xiàn)國家農(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個敘詞，包括51 614個正式的敘詞和13 024個非正式的敘詞。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)范性和實用性的農(nóng)業(yè)信息檢索工具書。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)》?！渡褶r(nóng)本草經(jīng)》是中醫(yī)藥物學(xué)的經(jīng)典著作，書名“神農(nóng)”源于傳說中的神農(nóng)氏。該書成書于東漢時期，是中國古代最早的藥物學(xué)專著，對后世的中醫(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，對于推動中醫(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》?！侗静菥V目》是明代李時珍撰寫的一部中醫(yī)藥學(xué)名著，成書于萬歷六年（1578年），共52卷。該書采用“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，書中還介紹了多種鑒別方法，如觀察法、試驗法等，幫助人們準(zhǔn)確識別藥物的真?zhèn)魏蛢?yōu)劣。該研究提取了《本草綱目》中對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個數(shù)據(jù)來源是中藥寶典網(wǎng)站。中藥寶典網(wǎng)是一個涵蓋了多種中藥信息的開元平臺，該研究利用BeautifulSoup和Requests來爬取網(wǎng)站數(shù)據(jù)，共爬取該網(wǎng)站800個中醫(yī)藥相關(guān)數(shù)據(jù)，構(gòu)建了20 000個數(shù)據(jù)節(jié)點［21］。BeautifulSoup是一款 Python類庫，主要用來分析 HTML和 XML文件，可以輕松地從 Web頁面中抽取元素。而Requests是一個用于構(gòu)建快速、高級的網(wǎng)絡(luò)爬蟲和網(wǎng)頁采集框架，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］。

通過圖3展示的數(shù)據(jù)爬取流程，程序會自動爬取中藥寶典網(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，第2列為藥品名，第3列為藥品相關(guān)資料。由于6個關(guān)系類別的中藥信息沒有分離開來，無法直接存放到圖數(shù)據(jù)庫中，因此需要經(jīng)過數(shù)據(jù)處理。通過對圖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)果見圖5。

4 中醫(yī)藥知識圖譜數(shù)據(jù)的存儲

Neo4j是一種高性能的圖數(shù)據(jù)庫管理系統(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)藥知識圖譜使用Neo4j圖數(shù)據(jù)庫來存儲數(shù)據(jù)［1］。具體存儲的步驟如下：

（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庫和openpyxl庫來完成這項操作。Pandas庫中的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)庫提供的 json 函數(shù)來將一系列的字典和列表轉(zhuǎn)換為 JSON 格式。通過這種方式，可以確保數(shù)據(jù)在存儲時保持其原有的結(jié)構(gòu)不變，同時也便于讀取和使用，最后使用with open語句創(chuàng)造一個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Py2neo與json，通過Python語句對圖數(shù)據(jù)庫進(jìn)行創(chuàng)建、刪除節(jié)點和關(guān)系的操作，使用Pandas庫將json數(shù)據(jù)轉(zhuǎn)化為Dataframe格式，再獲取單個實體數(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是知識圖譜中的節(jié)點（標(biāo)簽）共15 598個節(jié)點，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個實體（節(jié)點），Relationship types為知識圖譜中的關(guān)系（類型）共34 474個關(guān)系節(jié)點，圖7為neo4j導(dǎo)入數(shù)據(jù)的數(shù)據(jù)庫展示。

將數(shù)據(jù)導(dǎo)入neo4j后，可以用neo4j瀏覽器查看圖譜，并通過Cypher來執(zhí)行查詢操作。例如，MATCHp=（m）-->（）where m.name.n= " （） " RETURN p，代碼可以查詢實體以及該實體的三元組網(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：

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)藥知識圖譜的構(gòu)建是實現(xiàn)中醫(yī)藥現(xiàn)代化和智能化的重要手段。以網(wǎng)頁數(shù)據(jù)和專業(yè)書籍為數(shù)據(jù)來源構(gòu)建了一個中醫(yī)藥知識圖譜，使中藥材知識圖譜系統(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儲備。該中藥材知識圖譜以網(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，中藥材知識圖譜的構(gòu)建需要大量的數(shù)據(jù)和時間，而且隨著中藥材研究和應(yīng)用的不斷深入，新的信息會不斷涌現(xiàn)。由于數(shù)據(jù)收集、整理、驗證等過程相對復(fù)雜，導(dǎo)致知識圖譜的數(shù)據(jù)更新速度較慢，可能無法及時反映最新的研究成果和應(yīng)用實踐。最重要的是，由于數(shù)據(jù)來源的多樣性、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和決策的準(zhǔn)確性，將是后續(xù)完善知識圖譜必須解決的技術(shù)問題。

參考文獻(xiàn)

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

［2］ 陳健，楊鳳，任巧生，等.基于知識元理論與知識圖譜的中風(fēng)病古籍醫(yī)案研究路徑探賾［J］.中國中醫(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］.計算機(jī)工程與應(yīng)用，2024，60（16）：1-18.

［4］ 李婧玥.基于知識圖譜對中國合作創(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.審計質(zhì)量研究綜述：基于Citespace知識圖譜分析［J］.中國鄉(xiāng)鎮(zhèn)企業(yè)會計，2024（5）：153-156.

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

［7］ 金晶，郗歐，馬進(jìn)，等.基于CiteSpace知識圖譜的中醫(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，高千泰，郝學(xué)增.我國中醫(yī)藥教育研究現(xiàn)狀與熱點的CiteSpace知識圖譜分析［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)狀及趨勢可視化分析［J］.中醫(yī)藥導(dǎo)報，2023，29（10）：136-142.

［10］ 趙金月，韓宇博，隋艷波，等.基于知識圖譜的中醫(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》時疫診治思路淺析［J］.中國中醫(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.健康飲食知識圖譜和問答系統(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)》命名實體識別研究［J］.成都中醫(yī)藥大學(xué)學(xué)報，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，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》探討李時珍汗證診療特色［J］.山東中醫(yī)藥大學(xué)學(xué)報，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］ 崔夢銀，鄧茵，劉滿意.Python爬蟲技術(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，夏書劍，等.中醫(yī)湯劑知識圖譜的構(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)藥循證指南知識圖譜構(gòu)建與智能問答系統(tǒng)研究［J］.中國數(shù)字醫(yī)學(xué)，2024，19（5）：20-27.

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