NebulaGraph构建中医药鼻炎知识图谱应用

在构建知识图谱的过程中，一个核心难题始终摆在面前：如何提升知识抽取的效率，同时把人力成本降下来。为了解决这个问题，我们以模式层构建为基础，进一步探索了自动化知识抽取的路径。下面，就具体聊聊国医大师干祖望治疗鼻炎的知识图谱是怎么一步步搭起来的。

数据来源是临床上的鼻炎患者医案，一共收集了1081份详细的临床记录作为实验样本。这些医案信息量相当大，涵盖了患者的基础情况，比如姓名、工作环境、性别、年龄、确诊时间，还包括疾病类型、症状细节、诊断结果、舌象脉象、治疗记录、处方内容以及用药指导等等。

知识图谱构建流程

整个流程可以分成几个关键步骤，每一步都有它的讲究。

Step1：准备样本数据

先把经过数据预处理后的1081条医案数据整理好，作为后续操作的基础。

Step2：定义抽取目标

根据已经定义好的本体，也就是知识图谱的模式层来设定抽取目标。具体要抽什么？比如疾病、相关疾病、症状、检查、舌象、脉象、配伍这些关键信息。针对不同的抽取目标类型，需要提前定好抽取规则。

Step3：自动抽取知识

这一步是核心。根据上一步定好的抽取目标，设计出Prompt提示模板。用的是“示范案例+关系列表”这种模板结构，引导大语言模型自动从医案里抽取出三元组。

举个例子，Prompt大概长这样：

“假设你是一个中医关系抽取的大语言模型，现在要对一个鼻炎患者的症状和相关疾病进行关系抽取。给一段医案示范：‘鼻炎近来密帘三天，弊病当然发作，涕多，涕难擤。头痛。鼻塞。鼻粘膜水肿，有分泌物。舌薄苔，脉浮紧。桑叶6g，薄荷6g，桔梗6g，石菖蒲6g，路路通10g，荆芥6g，白芷6g，苍耳子10g，金荞麦10g，蔓荆子10g。’输出格式是这样的：[（‘鼻炎’，‘症状’，‘涕多’），（‘鼻炎’，‘症状’，‘涕难擤’），（‘鼻炎’，‘症状’，‘头痛’），（‘鼻炎’，‘症状’，‘鼻塞’），（‘鼻炎’，‘检查’，‘鼻粘膜水肿’），（‘鼻炎’，‘检查’，‘有分泌物’），（‘鼻炎’，‘舌象’，‘舌薄苔’），（‘鼻炎’，‘脉象’，‘脉浮紧’），（‘鼻炎’，‘配伍’，‘石菖蒲6g’），（‘鼻炎’，‘配伍’，‘路路通10g’），（‘鼻炎’，‘配伍’，‘荆芥6g’），（‘鼻炎’，‘配伍’，‘白芷6g’），（‘鼻炎’，‘配伍’，‘苍耳子10g’），（‘鼻炎’，‘配伍’，‘金荞麦10g’），（‘鼻炎’，‘配伍’，‘蔓荆子10g’）]。请学习上面的抽取格式，对下面的病案进行抽取，也输出三元组格式。给定的句子是：‘***’。关系列表为：[‘症状’， ‘相关疾病’， ‘配伍’， ‘舌象’， ‘检查’， ‘脉象’]。请从这个列表里抽取关系，如果不存在就输出：无。”

Step4：清洗抽取结果

大模型抽出来的数据不能直接用，得先用正则表达式清洗一遍，把那些错误的、冗余的、不相关的、不完整的三元组都清理掉，确保数据的准确性和可靠性。

Step5：存储三元组

清洗干净的三元组数据，最终存储到 NebulaGraph 数据库里。

这里有个关键的设计思路：为了让大语言模型抽取的知识更可靠，我们直接把疾病和中药抽取成对应的三元组。在写入知识图谱时，还会进一步分解，保证图谱结构的合理性。同时，抽取过程中，把中药实体和它的属性（比如剂量）进行联合抽取。举个例子，某个鼻炎患者的处方里，金荞麦的剂量是10g，模型会先抽成（‘鼻炎’，‘配伍’，‘金荞麦10g’）。然后在存储前，再用正则表达式把这个三元组进一步拆解成（‘鼻炎’，‘配伍’，‘金荞麦’）和（‘金荞麦’，‘剂量’，‘10g’）。这样做，图谱的结构就会更清晰、更合理。

利用 NebulaGraph 构建知识图谱

为什么选择 NebulaGraph？

NebulaGraph 是一款高性能、对用户很友好的图数据库。它内置了图查询语言 nGQL，提供了丰富的图操作功能。不管是基础的增删改查，还是复杂的图算法和路径查询，nGQL 都能轻松搞定。这种灵活性和强大的功能，让它非常适合处理复杂的网络结构，能最大程度地发挥医案数据的价值。

具体步骤

整个实现过程可以用伪代码来表示：

• 构建提示模板，准备好相关案例和关系列表
• 编写连接 NebulaGraph 的函数
• for i :=0 to N do // 遍历所有医案数据
• 将数据和模板组合成问题
• 将问题传给大语言模型，获得对应的答案
• 清洗答案，删除不必要的三元组
• 构建当前医案中患者、检查、症状、处方的ID
• for j:= 0 to M do // 遍历三元组列表

if relation == "配伍":
    判断三元组中的中药是否包含剂量单位属性
    如果有，进行属性抽取，将结果写入图谱
Else:
    直接写入图谱
end for

实验

实验部分，我们先用前期准备的353条医案作为基础样本，利用大语言模型进行知识抽取。为了保证评估的客观性，实验中先用其他大语言模型进行数据标注，然后通过人工校对的方式，对标注结果进行验证和修正，确保数据的准确性。这样，就能公正地评价各个模型的知识抽取性能了。

我们选择 Bert-BiLSTM-CRF 模型作为基准模型来做实体关系联合抽取，然后把它的结果跟大语言模型（这里选取了 GLM3、GLM4、ChatGPT4）自动化抽取的结果进行比较。评估指标用的是 F1 分数、准确率和召回率。具体实验结果见下表。

知识图谱展示

图谱建好了，当然要用起来。我们可以用它来分析国医大师治疗鼻炎的用药规律，比如看看治疗“狂嚏”这个症状时，用药频率排在前10位的是哪些药。

用 nGQL 查询，语句是这样的：

MATCH (v:患者)-[:患者症状]->()-[:具体症状]->(v1) where id(v1)==‘狂嚏’ MATCH (v:患者)-[:治疗方剂]-(v3)-[e2:配伍]->(v4) RETURN v4,count(v4) as cnt ORDER BY cnt DESC limit 10;

这条语句的意思是：先找到有“狂嚏”症状的患者，再查出他们对应的治疗方剂，然后根据方剂里配伍用药的频次排序，找出前10味药。结果显示，用药频率最高的前10味药分别是：蝉蜕、防风、墨旱莲、甘草、地龙、黑豆衣、诃子、白术、茜草、黄芪。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：NebulaGraph构建中医药鼻炎知识图谱应用要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题