3步构建中医药知识图谱：基于ShenNong-LLM的实体关系抽取实践

中医药作为我国传统医学的瑰宝，其文献中蕴含着丰富的知识。然而，面对海量的古籍文本和现代研究文献，如何快速准确地提取"中药-功效"、"症状-方剂"等关键关系，一直是中医药信息化领域的难题。本文将介绍如何利用华东师范大学开源的ShenNong-LLM模型，从零开始构建中医药知识图谱，为中医药的现代化应用提供有力支持。

破解中医药知识挖掘难题：ShenNong-LLM的核心价值

在中医药研究领域，知识的获取和整理一直面临着诸多挑战。传统的人工标注方式不仅耗时费力，而且难以应对日益增长的文献数量。知识图谱（Knowledge Graph）作为一种结构化的知识表示方法，能够将中医药领域的实体（如中药、病症、方剂）和关系（如"治疗"、"配伍"）进行有效组织，为知识的高效检索与推理提供基础。

ShenNong-LLM作为专为中医药领域优化的大语言模型，基于Chinese-Alpaca-Plus-7B基座训练，内置11万+中医药指令数据。该模型在中医药知识挖掘方面具有以下独特优势：

首先，它具备深度的古文理解能力，能够精准解析"君臣佐使"、"四气五味"等中医药专业概念，这对于处理古籍文献至关重要。其次，在中医药实体识别任务上，ShenNong-LLM的F1值达到0.89，远超通用模型，显示出卓越的领域适配性。最后，7B参数规模使得该模型能够支持单机GPU运行，满足私有化部署需求，为医疗机构和研究单位提供了数据安全保障。

图：医学类大模型的应用架构图，展示了ShenNong-LLM在中医药知识图谱构建中的核心位置

构建中医药知识图谱的实践路径

数据预处理：为模型输入高质量文本

数据预处理是知识图谱构建的基础步骤，直接影响后续模型抽取的效果。首先，需要从各种中医药文献中收集文本数据，包括古籍、现代研究论文、临床报告等。然后，对这些文本进行清洗和标准化处理，去除噪声和无关信息，统一术语表达。

import re
import jieba
from zhon.hanzi import punctuation

def preprocess_text(text):
    # 移除标点符号
    text = re.sub(r'[{}]+'.format(punctuation), '', text)
    # 分词处理
    words = jieba.cut(text)
    # 过滤停用词（需准备中医药领域停用词表）
    stopwords = set(open('stopwords.txt', 'r', encoding='utf-8').read().splitlines())
    filtered_words = [word for word in words if word not in stopwords]
    return ' '.join(filtered_words)

# 示例文本预处理
raw_text = "金银花，性甘寒，归肺心胃经，具有清热解毒、凉血消肿之功效。"
processed_text = preprocess_text(raw_text)
print(processed_text)  # 输出：金银花 性甘寒 归肺心胃经 具有 清热解毒 凉血 消肿 功效

模型调优：提升实体关系抽取精度

在数据预处理完成后，需要对ShenNong-LLM进行微调，以进一步提升其在特定中医药任务上的性能。微调过程中，我们可以使用标注好的中医药实体关系数据，通过迁移学习的方式，使模型更好地适应中医药领域的语言特点和知识结构。

from transformers import TrainingArguments, Trainer
from datasets import Dataset

# 假设已准备好标注数据集
train_dataset = Dataset.from_pandas(pd.read_csv('train_data.csv'))

training_args = TrainingArguments(
    output_dir="./shennong-finetuned",
    num_train_epochs=3,
    per_device_train_batch_size=4,
    learning_rate=2e-5,
    weight_decay=0.01,
    logging_steps=100,
)

trainer = Trainer(
    model=model,
    args=training_args,
    train_dataset=train_dataset,
)

trainer.train()  # 开始微调模型

图谱构建：从抽取结果到可视化知识网络

完成模型调优后，我们可以使用训练好的模型进行实体关系抽取，并将结果存储到图数据库中，构建完整的中医药知识图谱。

def extract_and_store_relations(text, kg_handler):
    prompt = f"""从以下文本中提取实体关系，格式为(实体1, 关系, 实体2)：
    文本：{text}
    结果："""
    
    inputs = tokenizer(prompt, return_tensors="pt").to(model.device)
    outputs = model.generate(
        **inputs,
        max_new_tokens=200,
        temperature=0.3
    )
    
    result = tokenizer.decode(outputs[0], skip_special_tokens=True)
    # 解析抽取结果并存储到知识图谱
    triples = parse_result(result)  # 自定义解析函数
    for triple in triples:
        kg_handler.add_relation(*triple)

# 初始化知识图谱处理器
kg = KGHandler("bolt://localhost:7687", "neo4j", "password")
# 处理文本并构建知识图谱
extract_and_store_relations(processed_text, kg)

中医药知识图谱的场景落地

中医药知识图谱构建完成后，可以在多个领域发挥重要作用。在智能问答系统中，用户可以查询"哪些中药可治疗风热感冒"，系统基于知识图谱快速返回准确答案。在方剂推荐方面，根据患者的症状实体，系统能够自动匹配经典方剂，如"咳嗽痰多"可推荐"二陈汤"。此外，知识图谱还可以应用于古籍数字化，批量处理《本草纲目》等典籍，构建历代名医经验图谱，为中医药传承和创新提供支持。

图：中文大语言模型分类体系图，展示了ShenNong-LLM在医学领域模型中的位置与关联

进阶探索：优化与扩展

常见问题解决

在中医药知识图谱构建过程中，可能会遇到一些技术难点。例如，实体识别准确率不高的问题，可以通过增加领域语料、优化标注数据质量来解决。关系抽取歧义问题，可以结合领域规则和上下文信息进行消歧。知识图谱存储性能问题，则可以考虑使用分布式图数据库或进行数据分片处理。

行业应用对比

与其他中医药知识处理工具相比，基于ShenNong-LLM构建的知识图谱具有明显优势。传统的基于规则的方法难以应对复杂的语言表达，而通用的大语言模型在领域知识深度上不足。ShenNong-LLM则结合了领域知识和深度学习的优势，能够更精准地处理中医药文本，构建高质量的知识图谱。

总结

本文介绍了基于ShenNong-LLM构建中医药知识图谱的完整流程，包括数据预处理、模型调优和图谱构建三个核心步骤。通过这一流程，我们可以高效地从中医药文献中提取有价值的知识，为中医药的现代化应用提供有力支持。未来，随着模型技术的不断进步和数据资源的积累，中医药知识图谱将在更多领域发挥重要作用，推动中医药事业的创新发展。

核心资源：

• 官方代码：ShenNong-TCM-LLM（项目内已收录）
• 数据集：ShenNong_TCM_Dataset（11万+中医药指令数据）
• 扩展资源：医学类模型汇总（包含19个中文医疗LLM对比）