中医与人工智能-基于Protégé构建知识图谱

中医与人工智能-基于Protégé构建知识图谱

本文内容

本文为系列长文，为便于读者单独阅读每篇博客都对整体项目有个大致理解，每个文章前都大致介绍下完整流程，包括数据集的介绍，数据处理，以及本篇博客相关的内容。

中医数据获取

基于网络采集了部分中药材数据和中药方剂数据，目前这块的资源比较多，可以查询百度查询中医数据库即可，如下提供几个常见的中医资源获取的地方。
中医资源网：http://www.tcmdoc.cn/ShuJuKu/default.aspx
医药网：http://www.pharmnet.com.cn/search/tcm/
杏林园：http://tcm.sstp.cn/
药智网：https://www.yaozh.com/
针对采集到的数据，基于规则进行数据清洗，清洗后保留的字段如下：
药物数据示例数据如下：

字段信息：ID,名称,别名,性味,归经,功效,主治,摘自
2200,大丁草,烧金草、豹子药、苦马菜、米汤菜、鸡毛蒿、白小米菜、踏地香、龙根草、翻白叶,温、苦、毒,肺、脾,祛风、解毒、祛风湿,风湿麻木、咳喘、疔疮,寒湿 麻木 咳喘 疔疮,"《本草纲目》,《贵州民间药物》,《贵州草药》"

方剂数据示例如下图：

中医数据处理

数据获取后，要进行实体识别，获取其中的实体信息，实体识别部分步骤内容较多，有专题进行介绍，这里先一笔带过。
获取实体后，由于同一症状的描述用于较多，还需要进行同义词替换，这一步骤需要收集大量症状同义词，需要中医进行把关。案例如下：

1.遍身洪肿 身体浮肿 遍身浮肿 浑身浮肿 身体气肿 遍身肿满 身体肿 通身暴肿 遍身黄肿 通身浮肿 肢体浮肿 通身蛊胀 身面悉肿 遍身虚肿水气
2.体肿 遍身头面浮肿 遍身麻痹 遍身顽麻 身体麻痹 周身麻木 肢体麻痹 举体不仁

如上面的每一行的每个词都可以理解为一个意思，这一步需要收集大量的同义词。收集完成后，按照词典和相似度匹配，替换方剂数据集在的症状描述信息。

Protégé介绍与基本使用

关于Protégé的介绍有如下几处较好的参考文档：

Protégé基本教程【Protégé5.5.0版本】
https://blog.csdn.net/Jenny_oxaza/article/details/83148300
本体构建-斯坦福七步法本体构建（读完这篇文字就完全懂如何构建本体了）
https://blog.csdn.net/harry_c/article/details/103995267

Protégé软件是斯坦福大学医学院生物信息研究中心基于Java语言开发的本体编辑和知识获取软件，或者说是本体开发工具，也是基于知识的编辑器，属于开放源代码软件。这个软件主要用于语义网中本体的构建，是语义网中本体构建的核心开发工具，现在的最新版本为5.5.0版本。
Protégé提供了本体概念类，关系，属性和实例的构建，并且屏蔽了具体的本体描述语言，用户只需在概念层次上进行领域本体模型的构建。
本体是对领域的显式描述*:概念、概念的属性和属性、属性和属性的约 束、个人

本体建模有几种方法， 本文推荐采用七步法(非七步诗)。

七步法为：确定范围->考虑重用->列举条款->定义类->定义属性->定义约束条件->创建实例

七步法是一个简单的过程，加上多次的迭代，就会形成如下步骤：

现实：确定范围->考虑重用->列举条款->考虑重用->定义类->列举条款->定义类->定义属性->定义类->定义属性->创建实例->定义类->创建实例->考虑重用->定义属性->定义约束条件->创建实例···········

实际上，我们所进行的创建工作应该是一个不断迭代的过程，此教程将其简化为七步法
具体可参考：https://blog.csdn.net/harry_c/article/details/103995267

Protégé官网（https://protege.stanford.edu/products.php）可以下载，但官网下载较慢，这里提供百度网盘的下载地址：

百度网盘地址下载：
下载链接：https://pan.baidu.com/s/1dq-2prplkhQCsdmK00pL5g
提取码：675d

下载后，解压Protege-5.5.0-win.rar后，即可使用，免安装，我的安装路径为D:\apps目录下，解压后的目录结构为：D:\apps\Protege-5.5.0-win\Protege-5.5.0-win\Protege-5.5.0
压缩包解压之后有Protege.exe和run.bat这两个文件，点击任何一个都可以打开Protégé。Protégé一打开的界面主要是Active Ontology这个Tab的界面。

本体的名字可以在Ontology IRI里面修改。
Annotations是注释栏，可以对本体添加一些信息注释或者描述。
右边Ontology metrics会显示一些本体中相关元素的统计信息。
优化显示：
下载graphviz。地址：https://graphviz.org/download/
构建类，关系，实体等环节，大多基于entities窗口，具体如下：

基于Protégé构建知识图谱

通过protégé创建类的层次关系

在本体中，类用于描述抽象的实体对象，代表着一类具有共性的实例对象，是基本的组织单元。类具有继承性、传递性，最顶层的类代表着最抽象的实体概念，子类继承父类的特性，是比父类更具体的类。在本文中我们按照自顶向下的方法定义本体类的层次结构。
下面用 protégé本体编辑工具进行中医妇科病领域本体类和类的层次关系的编辑。
首先打开protégé本体编辑工具，点击File—New，建立新的项目。在新打开的protégé界面中，我们选择Entities面板来创建类层次结构， 点击所有类的父类Thing，点击Add Subclass在当前被选择类也就是Thing类下新建类“疾病”。
技巧：

• 我们也可以在选择某一类后点击Add Sibling Class按钮来为当前类添加同级类，当我们不需要某类时，可以点击Delete Selected Classes按钮删除当前选择类。
• 如果在编辑的过程中，类的层级关系不小心弄错了，不需要删除之后再重新编辑；可以拖动这个类到它应处于的层级，类似于文件夹的操作。如果拖动了某个类，它的子类也会随之移动，但不会改变这个类及其子类的层级关系。
• 如果类的名字写错了，可以右键选择“Change IRI Name”进行更改。
• 如果需要增加很多个子类，可以右键点击该类，选择“Add Subclasses”。

完整的中医妇科病领域本体类的层次模型如下图：

通过protégé创建实体属性关系

通过protégé创建实体属性关系，具体如下图：
相关含义已经在图中通过文字描述。

通过protégé创建实体

实体为各个类别的实体，实体较多，具体如下：

推理模型实现

基于上述完成的本体建模，可以借助推理机实现推理。protégé提供的WRL可以使用本体已定义好的概念来建立推理所使用的规则，但SWRL无法直接由推理机释义，因此要使用推理引擎将本体与规则进行转换。可以基于Jess这种规则引擎来实现推理。安装Jess的过程，本文不进行介绍。三者的关系为：

protege定义本体，SWRL编写规则，Jess将protege中的知识库和SWRL规则转化成内部格式，从而进行推理。

下面描述具体实现：
选择windows—tabs—SWARTabs，在SWARTabs界面查看到推理结果。
推理结果如下：

w3c1:证候推理(?x) ^ w3c1:患病主症(?x带下量多) ^ w3c1:患病次症(?x五色杂下) ^
w3c1:患病脉象(?x脉滑数) ^ w3c1:患病舌相(?x舌苔黄腻) -> w3c1:患病主证候(w3c1:湿毒蕴结型带下过多) ^ w3c1:方剂推荐(w3c1:五味消毒饮)

上述推理结果表明，当输入病人的患病主证（带下量多）、患病次证（五色杂下）、患病舌相（舌苔黄腻）、患病脉象（脉滑数），经过规则推理后，系统推理得出患病主证候为湿毒蕴结型带下过多，推荐方剂为五味消毒饮。

中医妇科本体存储

基于protégé构建的本体库，有多种存储形式，本文基于Neo4j存储，使用Neo4j实现知识图谱的查询与展示，具体见下图。

总结

本文是中医与人工智能的系列博客，本文有很多内容借鉴与赵老师的曾经工作，这里一并感谢。本文主要对protégé进行了介绍，并基于protégé实现了一个中医数据的本体建模，文本也对博主发现的较好资源进行推荐，便于读者在使用过程中，可以尽快的找到较好的资源，实现对protégé的基本使用。