語(yǔ)義網(wǎng)格在中醫(yī)藥知識(shí)共享與服務(wù)的應(yīng)用研究(973子課題(編輯修改稿)
2025-02-12 17:33 本頁(yè)面
【文章內(nèi)容簡(jiǎn)介】 就達(dá) 1萬(wàn) 3千多種， 19872023年發(fā)表的中醫(yī)藥文獻(xiàn)高達(dá) 530,700篇。面對(duì)海量的中醫(yī)藥數(shù)據(jù)，如何充分共享并有效利用，是中醫(yī)藥現(xiàn)代化發(fā)展必須面對(duì)的一個(gè)問(wèn)題； 230。 KDD所擅長(zhǎng)的正是從海量的數(shù)據(jù)當(dāng)中尋找有意義的模式、知識(shí)，中醫(yī)藥學(xué)數(shù)據(jù)挖掘研究是再現(xiàn)中醫(yī)藥理論一個(gè)有效手段，意義重大。我們圍繞中醫(yī)藥文本挖掘、中醫(yī)配伍規(guī)律中藥效與藥對(duì)規(guī)律研究，開(kāi)展了一系列創(chuàng)新工作 ；課題編號(hào)： 2023CB3169061/21/2023 26236。工作進(jìn)展： 分布式中醫(yī)藥 KDD系統(tǒng)230。 面向中醫(yī)藥文本的數(shù)據(jù)特點(diǎn)，即在小樣本的情況下字頻特征比詞頻特征能提供更好信息，提出了面向中文文本分類(lèi)的分布字聚類(lèi)方法； 230。 基于分層聚類(lèi)的藥效知識(shí)挖掘，采用基于分層聚類(lèi)的 KDD方法，得出單味藥間按照功效相似性分類(lèi)的結(jié)果；230。 高頻集的藥對(duì)規(guī)律的知識(shí)挖掘，得出大量方劑中 “只有 100味左右的單味藥經(jīng)常參與配伍 ” 的事實(shí)依據(jù)，挖掘出 “ 各庫(kù)高頻單味藥以及形成藥對(duì)相關(guān)理論非充分也非必要的推斷等相關(guān)知識(shí)；230。 首創(chuàng)了中醫(yī)證候與基因相關(guān)關(guān)系的研究 ,為生命科學(xué)的發(fā)展提供了新知識(shí)和新方法 。課題編號(hào)： 2023CB3169061/21/2023 27中醫(yī)證候基因關(guān)系知識(shí)挖掘的圖示腎陽(yáng)虛證的相關(guān)基因的基因網(wǎng)絡(luò) 利用中醫(yī)藥文獻(xiàn)提供的 證候疾病關(guān)系 和 Medline提供的疾病 基因關(guān)系 發(fā)現(xiàn) 腎陽(yáng)虛證的可能相關(guān)基因（CRP,CRH,ACE,IL10,PTH,MPO），并從 Pubgene中查詢(xún)這些基因的基因網(wǎng)絡(luò)在這六個(gè)基因的網(wǎng)絡(luò)當(dāng)中都發(fā)現(xiàn)了CRAT基因，說(shuō)明CRAT基因很有可能是 腎陽(yáng)虛證的新相關(guān)基因1/21/2023 28236。工作進(jìn)展： 分布式中醫(yī)藥 KDD系統(tǒng)230。 網(wǎng)格服務(wù)對(duì)異質(zhì)異構(gòu)的數(shù)據(jù)進(jìn)行了整合，使得用戶(hù)可以忽略數(shù)據(jù)的來(lái)源以及形式。對(duì)用戶(hù)透明的數(shù)據(jù)源以及統(tǒng)一的數(shù)據(jù)表式方式，為 KDD在更廣泛的數(shù)據(jù)分析上作好準(zhǔn)備。同時(shí)，網(wǎng)格服務(wù)分布計(jì)算的服務(wù)能力，也為海量數(shù)據(jù)下的數(shù)據(jù)挖掘應(yīng)用提供了強(qiáng)大的計(jì)算資源；230。 分布式中醫(yī)藥 KDD系統(tǒng)基于網(wǎng)格平臺(tái)實(shí)現(xiàn)了分布并行的數(shù)據(jù)挖掘算法，為用戶(hù)提供了高效的 KDD服務(wù)。230。 在該系統(tǒng)上對(duì)對(duì)中醫(yī)藥中 3968味單味藥以及相應(yīng)的8871種功效進(jìn)行挖掘分析，得出了大量有價(jià)值的結(jié)果，為中藥藥效基礎(chǔ)、作用機(jī)理及方劑配伍規(guī)律的研究提供了新的依據(jù)和思路。課題編號(hào)： 2023CB3169061/21/2023 29中藥藥效知識(shí)挖掘的圖示這樣的基于功效的單味藥聚類(lèi)，對(duì)于中醫(yī)組方替代藥的選擇和藥效分析具有重大意義聚出的第一類(lèi)藥：活血消腫藥聚出的第二類(lèi)藥：止痛去濕藥按照功效對(duì)單味藥進(jìn)行聚類(lèi)1/21/2023 30236。工作進(jìn)展： 分布式中醫(yī)藥 KDD系統(tǒng)228。 分布式中醫(yī)藥 KDD系統(tǒng)的最新成果發(fā)表于以下國(guó)際會(huì)議和雜志：? Wu ZH, Zhou XZ, Liu BY, Chen JL, Text Mining for Finding Functional Community of Related Genes using TCM Knowledge. ECML/PKDD2023, Italy, Pisa, Lecture Notes in Artificial Intelligence. Vol 3202/2023, , September 2024,2023.? Zhou XZ, Wu ZH, Distributional Character Clustering for Chinese Text Categorization. The 8th Pacific Rim International Conference on Artificial Intelligence, Auckland, New Zealand, Lecture Notes in Artificial Intelligence, vol 3157, August 913, 2023.? 吳朝暉，封毅， KDD在中醫(yī)藥領(lǐng)域的若干探索，中國(guó)中醫(yī)藥信息雜志， 2023，第 12卷，第 4期? Feng Y, Wu ZH, Zhou ZM, Combining an Ordersemisensitive Text Similarity and Closest Fit Approach to Textual Missing Values in Knowledge Discovery, KES 2023.? Feng Y, Wu ZH, Zhou ZM, Multilabel Text Categorization Using KNearest Neighbor Approach with MSimilarity, SPIRE 2023, In Press課題編號(hào)： 2023CB3169061/21/2023 31236。工作進(jìn)展： 理論研究228。理論研究方面，主要圍繞網(wǎng)格環(huán)境下基于語(yǔ)義的知識(shí)服務(wù)和共享，針對(duì)以下幾點(diǎn)展開(kāi)深入研究：228。 面向中醫(yī)藥進(jìn)行概念建模，研究和完善了中醫(yī)藥學(xué)語(yǔ)言系統(tǒng)；228。 提出并研究了面向語(yǔ)義網(wǎng)格的上下文相關(guān)的動(dòng)態(tài)子本體進(jìn)化理論；228。 研究和完善了語(yǔ)義網(wǎng)格的分布式語(yǔ)義查詢(xún)算法，在最新版本的 Dart數(shù)據(jù)庫(kù)網(wǎng)格加以應(yīng)用；課題編號(hào)： 2023CB3169061/21/2023 32236。工作進(jìn)展： 中醫(yī)藥概念建模228。中醫(yī)藥是蘊(yùn)涵中國(guó)傳統(tǒng)文化和辨證哲學(xué)的醫(yī)學(xué)科學(xué)。作為一門(mén)復(fù)雜的科學(xué)，中醫(yī)藥的知識(shí)系統(tǒng)包含了大量的概念和關(guān)系，要從復(fù)雜的中醫(yī)藥知識(shí)系統(tǒng)中抽象出易于重用的領(lǐng)域知識(shí)，需要進(jìn)行有效的概念建模，更好地支持中醫(yī)藥領(lǐng)域的基于知識(shí)的推理和挖掘提供了概念模型和基礎(chǔ)。課題編號(hào)： 2023CB3169061/21/2023 33236。工作進(jìn)展： 中醫(yī)藥概念建模228。參照 UMLS，進(jìn)行復(fù)雜語(yǔ)義網(wǎng)絡(luò)（ Semantic Network）的研究，通過(guò)上層語(yǔ)義網(wǎng)絡(luò)，直
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1