本文属于类型a，是一篇单一原创研究论文，以下是对该研究的学术报告。
本研究由吉林大学计算机科学与技术学院符号计算与知识工程教育部重点实验室的李晓然、韩晓松、魏思庆、梁艳春和管仁初等作者共同完成，通讯作者为管仁初。该论文于2024年4月8日发表在期刊《Frontiers in Big Data》上，论文标题为《Acupuncture and tuina knowledge graph with prompt learning》。
研究的学术背景方面，针灸（acupuncture）和推拿（tuina）是传统中医（traditional chinese medicine, TCM）中历史悠久的治疗手段，已有数千年的理论和实践积累。尽管这些疗法在现代临床中应用广泛，并逐渐获得国际认可，但针灸和推拿领域仍存在若干突出问题：治疗概念模糊，例如针刺位置和推拿力度的描述缺乏统一标准；治疗方案缺乏精确的定量评估；中医体系本身具有异质性，仅针灸就有26个主流学派。这些问题严重阻碍了个性化治疗方案的制定。此外，在中医领域，针对针灸和推拿的现代文献知识图谱构建尚不充分，尤其是命名实体识别（named entity recognition, NER）在中文文本上的少样本提示学习（prompt learning）方法仍较薄弱。中文句子通常较长，实体常由多个字符组成，且中文字符语义多样，容易造成实体嵌套和识别歧义。因此，本研究旨在构建基于现代文献的针灸推拿知识图谱，并提出一种适用于中文文本的模板无关提示学习方法，以提升实体识别精度，并为个性化医疗推荐提供支持。
在研究工作流程方面，本研究主要包含四个阶段。第一阶段是领域知识库的构建。研究者从中国知网、中医药网等来源采集了针灸和推拿相关的结构化与非结构化数据，建立了包含疾病、症状、穴位、疗法和功能五类实体的领域知识库。其中，疾病信息库共收集2011种常见疾病，包括别名、发病部位、就诊科室和典型症状等属性；穴位信息库收集了366个常用穴位和经络的数据，包括所属经络、功能和操作方法等。此外，还构建了领域词典，包含疾病14691条、症状5142条、穴位594条、疗法579条和功能357条实体。这些数据被存入数据库，形成了结构化知识库，为后续知识图谱构建提供了冷启动支持。
第二阶段是模式层的设计。研究者根据实际临床问题，定义了五类核心实体，即疾病、症状、穴位、疗法和功能，并明确了六类关系，包括疾病-症状关联、疾病-疗法、疾病-穴位、疗法-穴位、疗法-功能和穴位-功能。为保证疾病与症状的区分一致性，研究规定所有疾病实体必须符合国际疾病分类第十版或中医临床术语疾病部分的标准，否则归为症状实体。
第三阶段是数据层的构建，包括实体抽取和关系抽取两部分。实体抽取采用了融合模型，结合了Trie树（trie tree）和深度学习模型。首先，基于领域词典构建了五棵Trie树，分别对应五类实体。Trie树是一种前缀树结构，能够高效匹配已知实体。利用Trie树对819篇文献样本进行了实体抽取和BIO格式标注，共获得10346个实体样本，其中疾病3671个、症状3252个、穴位1491个、疗法1330个、功能602个。然后，研究者提出了TemplateFC模型用于深度学习的实体抽取。该模型基于模板无关的实体导向语言模型（entity-oriented language model, EntLM），并增加了双向长短期记忆网络（BiLSTM）和条件随机场（CRF）层进行联合训练。模型首先通过BERT预训练模型获得输入文本的嵌入向量，然后经过BiLSTM层得到发射得分矩阵，再通过CRF层计算路径得分，最终通过联合损失函数进行优化。联合损失函数由词预测损失和实体序列标注损失两部分相加组成。这种设计使模型能够更好地利用序列标注信息，提高中文实体识别的准确性，尤其在少样本场景下更具优势。在实体抽取完成后，研究者根据融合规则将Trie树和TemplateFC模型的抽取结果进行合并，共提取出10346个实体。
关系抽取采用基于规则的方法。研究者通过分析大量文本和专家经验，制定了三类主要规则：基于主体词的抽取、基于实体位置邻近性的抽取和基于关键词的抽取。例如，若文本中出现“疗效”“作用”“功能”等关键词，则相应地提取疗法-功能或穴位-功能关系。最终，从全部文献中共提取出40919条关系，其中疾病-症状关系5566条、疾病-疗法关系6705条、疾病-穴位关系6412条、疗法-穴位关系6808条、疗法-功能关系6824条、穴位-功能关系8604条。
第四阶段是知识图谱的存储与查询。研究者将实体和关系三元组存储在Neo4j图数据库中，使用Cypher语言进行图查询，并开发了Python查询接口和基于网页的用户界面。查询主要针对疾病、症状、穴位和疗法四类实体，限制为单跳查询。以“冠心病”为例，查询结果显示，该病与气短、出汗等症状相关，常用点按、按压和揉法等方法，可选用至门、至阳等穴位。
在实验与结果方面，本研究在多个数据集上评估了TemplateFC模型的性能。实验包括多资源（multiple-shot）、少资源（few-shot）和自建的针灸推拿数据集（ZJTA）。基线模型包括BERT+HMM、TemplateNER、Two-Tower、EntLM和EntLM-CRF。结果显示，在multiple-shot场景下，TemplateFC的F1分数为0.9174，优于最高的Two-Tower模型（0.9102）；在few-shot场景下，TemplateFC的F1分数为0.3746，显著高于EntLM-CRF的0.3543；在自建的ZJTA数据集上，TemplateFC的F1分数为0.4268，比EntLM-CRF高出2.5个百分点。这些结果表明，加入BiLSTM和CRF层进行联合训练，能够引导BERT学习更丰富的表示，提高模型的拟合速度和泛化能力，特别是在中文少样本命名实体识别任务中表现突出。
研究结论指出，本研究成功构建了一个基于现代文献的针灸推拿知识图谱，包含10346个实体和40919条关系，为针灸推拿领域的知识组织、检索和个性化诊疗建议提供了有力支撑。此外，提出的TemplateFC模型通过融合模板无关提示学习与BiLSTM-CRF结构，有效解决了中文文本命名实体识别中的实体边界和嵌套问题，尤其适用于少样本场景。该研究不仅在方法论上具有创新性，也在中医信息化和智能医疗应用方面具有实际价值。
本研究的亮点在于：第一，构建了面向针灸推拿领域的现代文献知识图谱，填补了该领域系统性知识组织的空白；第二，提出了TemplateFC模型，将模板无关提示学习方法与序列标注网络结合，显著提升了中文少样本命名实体识别的准确性；第三，通过领域知识库的结构化构建，缓解了知识图谱构建中的冷启动问题；第四，开发了用户友好的查询界面，使非专业人员也能方便地获取针灸推拿知识，促进了中医知识的传播与应用。
研究的局限性在于关系抽取仍采用基于规则的方法，难以覆盖所有文本特征，迁移性较差。未来工作将探索基于深度学习的中文关系抽取方法，并尝试利用大语言模型实现零样本学习，以进一步提高知识图谱构建的自动化程度和精度。