用于中药新药研发、药理研究、中医药理论研究的全量知识图谱数据集

1.知识抽取阶段：在中医知识图谱构建过程中，知识抽取阶段采用深度学习方法系统化处理多源异构数据。运用BiLSTM-CRF混合神经网络模型和大语言模型对《黄帝内经》《伤寒论》等2000余部中医古籍进行语义解析，20余个中医领域公开数据集精准提取"病-证-症"诊断三元组实体关系。
2.知识融合处理流程：面对中医药领域多源数据存在的术语差异和标准不统一问题，建立了严格的知识融合体系。首先依据ICD11国际标准构建中医术语映射词典，对来自古籍、方剂库和现代文献的12万余条专业术语,通过方剂，证候，中药材等相关的国标进行标准化对齐。针对不同来源方剂数据的配伍冲突，开发了基于置信度加权的冲突消解算法，建立多维度的可信度评估模型，有效解决不同典籍间方剂组成差异问题。经上述算法规则处理的数据集，能为中医药研究提供精准的中医药领域，涵盖中成药、方剂、功效、证候和症状等知识数据。

搜集汇总

背景与挑战

背景概述

该数据集是一个全量知识图谱，专为中药新药研发、药理研究和中医药理论研究设计，包含超过300万条结构化数据，涵盖症状、病因和方剂等实体关系。它通过深度学习和知识融合算法处理多源中医数据，解决了术语标准化和知识碎片化问题，适用于科研机构和企业，旨在提升临床决策效率和缩短研发周期。