中医古今名方适配病症与临床场景优化数据集

实体抽取算法
采用中文医学实体识别模型，从古籍文本、自由文本医案中自动抽取方剂、药材、证型、病症实体，实现非结构化文本向结构化数据自动转换。
文本同义词映射算法
构建中医术语词向量模型，完成古今病名、中药别名自动归一匹配，解决古籍名词与现代临床术语不统一问题。
方药 - 病证匹配优化模型
构建关联匹配算法：以证型为核心纽带，建立 “证候→疾病→方剂” 多条件匹配规则。基于临床病案频次统计，计算方剂对不同病症、不同证型的适配度分值，输出最优适配组合，实现古方现代临床场景智能优化。
数据分类分级算法
按照基础经典方、拓展改良方、专科定制方对全数据集自动分类，并对每一条匹配关系设置置信度评分，区分传统理论适配条目与真实临床验证条目。

搜集汇总

背景与挑战

背景概述

该数据集通过实体抽取、同义词映射、方药-病证匹配及分类分级算法，构建古今名方与病症、临床场景的关联匹配关系，实现古方到现代临床场景的智能优化。数据覆盖医疗健康、科技创新、教育文化和产业服务四大应用场景，旨在为中医诊疗、科研、教学及产业提供精准的方剂适配参考。