<span style="font-family:&quot;font-size:medium;">基于知识图谱的大理民族民间痹证单验方用药规律研究</span>

马铮然, 黄子易, 王肖盈, 杨文龙, 朱志伟

doi:10.2095-3593.2026.030004

中国药物评价 >

2026 , Vol. 43 >Issue 1: 24 - 24-31

DOI: https://doi.org/10.2095-3593.2026.030004

药物研究

基于知识图谱的大理民族民间痹证单验方用药规律研究

展开

1.浙江中医药大学第三临床医学院，浙江杭州 310053；
2.云南省大理白族自治州中医医院，云南大理 671000

马铮然，女，研究方向：民族民间医药研究

收稿日期: 2025-11-11

修回日期: 2026-01-08

录用日期: 2026-04-01

网络出版日期: 2026-04-01

基金资助

云南省科技厅中医联合专项-面上项目（20202301AZ070001-115）；云南省科技厅中医联合专项-青年项目（202301AZ070001-178）；云南省科技厅中医联合专项-青年项目（202401AZ070001-141）；云南中医药大学校院联合基金项目-重点项目（XYLH2024023）

收起

A Knowledge Graph-Based Study on the Medication Rules of Dali Ethnic Folk Empirical Prescriptions for Bi Syndrome

Expand

1.The Third Clinical Medical School of Zhejiang Chinese Medical University， Zhejiang Hangzhou 310053， China；
2.Dali Bai Autonomous Prefecture Chinese Medicine Hospital， Yunnan Dali 671000， China

Received date: 2025-11-11

Revised date: 2026-01-08

Accepted date: 2026-04-01

Online published: 2026-04-01

Fold

摘要

目的：运用知识图谱技术构建大理民族民间痹证单验方知识图谱，挖掘其方药配伍规律，探索知识图谱在民族民间医药研究中的应用价值。方法：通过查询《中国分省医籍考》、地方县志等资料，整理大理地区的医药典籍，汇总民间痹证相关单验方。采用本体构建技术进行知识建模，并依据知识抽取、知识表示、知识存储及可视化等步骤实现知识图谱构建，于Neo4j图数据库中呈现大理民族民间痹证单验方知识图谱。在此基础上，对以“方-药”为核心的多关系知识网络进行图算法与社区发现分析。结果：共构建包含773个实体、1172条关系的知识图谱，形成以“方-药”为核心的多关系知识网络。分析发现3个核心方剂，其交集药物“杜仲、独活、秦艽、羌活”构成核心药物组合，其中续断为最核心的药物，当归次之，并发现以青阳参、千年健、石椒草为代表的关键特色民族医药，揭示其潜在临床应用价值。结论：本研究系统地呈现了大理民族民间痹证单验方的“方-药”知识网络，揭示其以祛邪扶正、补益肝肾为核心的治则特点，凸显地域用药独特性。通过将知识图谱与图论算法应用于小样本、稀疏性民间方药数据，为民族民间单验方的科学化与规范化研究提供了可复用的方法论框架。

关键词： ; font-size:medium; ">民族民间单验方；痹证；知识图谱；数据挖掘

本文引用格式

马铮然, 黄子易, 王肖盈, 杨文龙, 朱志伟 . 基于知识图谱的大理民族民间痹证单验方用药规律研究[J]. 中国药物评价, 2026 , 43(1) : 24 -24-31 . DOI: 10.2095-3593.2026.030004

Abstract

Objective： To construct a knowledge graph of Dali ethnic folk empirical prescriptions for Bi syndrome using knowledge graph techniques， to identify formula-herb compatibility patterns， and to explore the application value of knowledge graphs in ethnic folk medicine research. Methods： Medical literature from the Dali region was systematically collected through sources such as Chinese Medical Works in Different Provinces， local gazetteers， and folk empirical prescriptions for Bi syndrome were collected. Ontology-based knowledge modeling was employed， followed by knowledge extraction， representation， storage， and visualization to construct the knowledge graph， which was implemented in the Neo4j graph database. On this basis， graph algorithms and community detection methods were applied to analyze the multi-relational knowledge network centered on the “formula-herb” relationship. Results： A knowledge graph comprising 773 entities and 1172 relationships was constructed， forming a multi-relational knowledge network centered on the “formula-herb” structure. Three core formulas were identified， and their shared herbs （Duzhong， Duhuo， Qinjiao and Qianghuo） constituted the core herbal combination. Among them， Xuduan was identified as the most central herb， followed by Danggui. In addition， key characteristic ethnic medicinal herbs represented by Qingyangshen， Qiannianjian， and Shijiaocao were identified， revealing their potential clinical application value. Conclusion： This study systematically presents the “formula-herb” knowledge network of Dali ethnic folk empirical prescriptions for Bi syndrome， revealing therapeutic principles characterized by dispelling pathogenic factors while supporting healthy qi and tonifying the liver and kidney， and highlighting distinct regional medicinal characteristics. By applying knowledge graph techniques and graph-theoretical algorithms to small-sample and highly sparse folk prescription data， this study provides a reusable methodological framework for the scientific and standardized research on ethnic folk empirical prescriptions.

Key words： ; font-size:medium; "> ; Ethnic folk empirical prescriptions； Bi syndrome； Knowledge graph； Data mining

参考文献

[1] 陈雷鸣，包洁，谢志军.中医痹证理论的源流与发展[J]. 中国中医急症，2013，22(11)：1870-1872.
     [2] 姜泉，巩勋，焦娟，等. 类风湿关节炎病证结合诊疗指南（2025年）[J]. 中医杂志，2025，66(17)：1842-1856.
     [3] Tong X， Wang Y， Dong B， et al. Effects of genus Epimedium in the treatment of osteoarthritis and relevant signaling pathways[J]. Chin Med， 2023， 18(1)：92.
     [4] 田丰玮，吴中朝，陈贵川，等. 气象因素对不同中医证型骨痹患者发病相关性研究[J]. 成都中医药大学学报，2013，36(4)：38-42.
     [5] 赵昌，李红，胡志富，等. 云南大理地区膝关节骨性关节炎危险因素分析[J]. 大理大学学报，2019，4(4)：75-78.
     [6] 李建烨，马超，田汪，等. 大理白族自治州特色民族民间医药调研[J]. 中国民族民间医药，2015，24(9)：1-3，5.
     [7] 郭霭春. 中国分省医籍考[M]. 天津：天津科学技术出版社， 1984-1997.
     [8] 南京中医药大学. 中药大辞典[M]. 上海：上海科学技术出版社， 2006.
     [9] 国家中医药管理局《中华本草》编委会.中华本草:精选本[M]. 上海：上海科学技术出版社， 1998.
     [10] 云南省卫生局革命委员会. 云南中草药[M]. 昆明：云南人民出版社， 1971.
     [11] 大理白族自治州卫生局. 白族民间单方验方精萃[M]. 昆明：云南科技出版社， 2015.
     [12] 全国中草药汇编编写组. 全国中草药汇编[M]. 北京：人民卫生出版社， 2014.
     [13] 昆明军区后勤部. 云南中草药选[Z]. 昆明：昆明军区后勤部， 1970.
     [14] 曾子玲，张华敏，于彤，等. 知识图谱及其关键技术在中医药领域的研究与应用综述[J]. 世界科学技术-中医药现代化，2022，24(2)：780-788.
     [15] Zhang Y， Hao Y. Traditional Chinese medicine knowledge graph construction based on large language models [J]. Electronics， 2024， 13(7)：1395.
     [16] 张雨琪，李宗友，王映辉，等. 中医药知识图谱的构建与应用研究[J]. 世界中医药，2022，17(4)：553-558.
     [17] Zhang B， Li R， Yin K， et al. Construction and application of traditional Chinese medicine knowledge graph based on large language model [J/OL]. Interdiscip Sci， 2025-11-10. https: //doi. org/10. 1007/s12539-025-00735-1.
     [18] 陈果，彭家彬，肖璐. 基于“问题-方法”知识抽取的科研领域知识演化研究：以人工智能为例[J]. 情报理论与实践，2022，45(6)：32-38.
     [19] 刘峤，李杨，段宏，等. 知识图谱构建技术综述[J]. 计算机研究与发展， 2016， 53(3)： 582-600.
     [20] 马富龙，张泽琳，闫燕. 学科知识图谱：内涵、技术架构、应用与发展趋势[J]. 软件导刊，2024，23(3)：212-220.
     [21] Hevey D. Network analysis： a brief overview and tutorial[J]. Health Psychol Behav Med， 2018，6(1)：301-328.
     [22] 刘畅，瞿溢谦，李煜，等. 基于图论探讨经方人工智能研究路径[J]. 南京中医药大学学报，2023，39(10)：979-985.
     [23] 刘辉辉，徐良，马乐军. 基于改进PageRank算法的软件系统关键类识别研究[J]. 金陵科技学院学报，2025，41(3)：27-36.
     [24] 马玉田.基于图论的复杂网络网页链接K-核分析[J]. 洛阳理工学院学报(自然科学版)，2025，35(4)：78-81，87.
     [25] 刘畅，瞿溢谦，虞红蕾，等. 基于社区发现算法的消渴六经证候研究[J]. 世界科学技术-中医药现代化，2022，24(5)：2151-2161.
     [26] 李振军，刘祖军，王鹏，等. 基于图论的产业网络知识图谱挖掘与构建[J]. 大数据，2023，9(6)：174-183.

Options

文章导航

模态框（Modal）标题

摘要

本文引用格式

Abstract

参考文献