基于大语言模型与Neo4j的《中国医学史》教材知识图谱构建研究

doi:10.3760/cma.j.cn115259-20251102-01390

中华医学教育杂志 ›› 2026, Vol. 46 ›› Issue (7): 515-520.DOI: 10.3760/cma.j.cn115259-20251102-01390

基于大语言模型与Neo4j的《中国医学史》教材知识图谱构建研究

刘思言¹, 周雅倩², 褚嘉琪¹, 姜雨彤³, 孙灵芝⁴

¹北京中医药大学管理学院2023级公共事业管理专业学生,北京 102488;
²北京中医药大学管理学院2023级工商管理专业学生,北京 102488;
³北京中医药大学中医学院2023级中医学(卓越5+3一体化)专业学生,北京 102488;
⁴北京中医药大学中医学院医史文献教研室教育部哲学社会科学实验室北京中医药大学中医药典籍数智化与人文创新实验室国家中医药典籍翻译与传播研究中心,北京 102488

收稿日期:2025-11-02 出版日期:2026-07-01 发布日期:2026-07-01
通讯作者: 孙灵芝, Email: sunlingzhi@bucm.edu.cn
基金资助:
北京中医药大学岐黄英才科研新锐人才培育专项(K2023D02);北京中医药大学教育科学研究课题(XJY24011);北京中医药大学基本科研业务费科研平台建设项目(2026-JYB-KYPT-12)

Construction of a knowledge graph for the textbook History of Chinese Medicine based on large language models and Neo4j

Liu Siyan¹, Zhou Yaqian², Chu Jiaqi¹, Jiang Yutong³, Sun Lingzhi⁴

¹Public Administration Major, Enrolled in 2023, School of Management, Beijing University of Chinese Medicine, Beijing 102488, China;
²Business Administration Major, Enrolled in 2023, School of Management, Beijing University of Chinese Medicine, Beijing 102488, China;
³Chinese Medicine Major (Excellence 5+3 Integrated Program), Enrolled in 2023, School of Traditional Chinese Medicine, Beijing University of Chinese Medicine, Beijing 102488, China;
⁴Department of Medical History and Classical Literature, School of Traditional Chinese Medicine & Philosophy and Social Sciences Laboratory of the Ministry of Education: Laboratory of Digitalization and Humanistic Innovation of Traditional Chinese Medicine Classics & National Research Center for the Translation and Communication of Traditional Chinese Medicine Classics, Beijing University of Chinese Medicine, Beijing 102488, China

Received:2025-11-02 Online:2026-07-01 Published:2026-07-01
Contact: Sun Lingzhi, Email: sunlingzhi@bucm.edu.cn
Supported by:
Qihuang Elite Research Talent Cultivation Program, Beijing University of Chinese Medicine (K2023D02); Educational Science Research Project, Beijing University of Chinese Medicine (XJY24011); Fundamental Research Funds for the Central Universities, Research Platform Construction Project of Beijing University of Chinese Medicine (2026-JYB-KYPT-12)

摘要/Abstract

摘要： 中国医学史是中医类院校必修课程,其知识体系繁杂,给教学带来一定挑战。现有中医药知识图谱研究未覆盖此门课程所涉及的系统性知识。本研究旨在借助现代信息技术实现《中国医学史》教材的知识结构化与可视化,助力中医药教育。通过大语言模型结合人工核验的方式自底向上构建图谱,并存储于Neo4j图数据库,最终成功构建含2 879个实体、2 487条语义关系的知识图谱。模型抽取三元组精确率达65.42%、召回率77.82%、F1值71.09%,人工核验与模型抽取结果具有较高的一致性。该图谱可提供教学可视化与关联检索支持,具备多元教育潜力,为医学人文教育智能化创新提供参考实例与框架。

关键词: 教育技术, 中国医学史, 知识图谱, 大语言模型, Neo4j, 中医药数字化教育

Abstract: History of Chinese medicine is a compulsory course in traditional Chinese medicine (TCM) universities and colleges. Its complex knowledge system poses certain challenges to teaching. Existing research on TCM knowledge graphs has not covered the systematic knowledge involved in this course. This study aims to leverage modern information technology to achieve knowledge structuring and visualization of the History of Chinese Medicine textbook, thereby supporting TCM education. By employing a large language model combined with manual verification, a bottom-up approach was adopted to construct the knowledge graph, which was then stored in the Neo4j graph database. A knowledge graph containing 2 879 entities and 2 487 semantic relationships was successfully built. The model achieved a triplet extraction precision of 65.42%, recall of 77.82%, and an F1 score of 71.09%, demonstrating high consistency between manual verification and model extraction results. This knowledge graph provides teaching visualization and associative retrieval support, possesses diverse educational potential, and offers a reference example and framework for intelligent innovation in medical humanistic education.

Key words: Educational technology, History of Chinese medicine, Knowledge graph, Large language model, Neo4j, Digital education in traditional Chinese medicine

中图分类号:

R-05
R2-09

刘思言, 周雅倩, 褚嘉琪, 姜雨彤, 孙灵芝. 基于大语言模型与Neo4j的《中国医学史》教材知识图谱构建研究[J]. 中华医学教育杂志, 2026, 46(7): 515-520, DOI: 10.3760/cma.j.cn115259-20251102-01390.

Liu Siyan, Zhou Yaqian, Chu Jiaqi, Jiang Yutong, Sun Lingzhi. Construction of a knowledge graph for the textbook History of Chinese Medicine based on large language models and Neo4j[J]. Chinese Journal of Medical Education, 2026, 46(7): 515-520, DOI: 10.3760/cma.j.cn115259-20251102-01390.

参考文献

[1] 陈邦贤. 医学史的意义与价值[J]. 中华医学杂志, 1945, 31(5-6): 259-261.
[2]郭利强, 李佳宁. 知识图谱赋能数字教材:动因、障碍及实施路向[J].课程.教材.教法,2024,44(11):37-43.
[3]徐安迎, 胡孔法, 杨涛. 基于Neo4j的肺癌中医诊疗知识图谱构建研究[J].世界科学技术-中医药现代化,2023,25(4):1456-1461. DOI: 10.11842/wst.20220311005.
[4]俞凡, 张薇, 许涛, 等. 基于Neo4j技术探寻中医治疗功能性便秘的经验与规律:"脾统四脏"理论之思[J].右江民族医学院学报,2025,47(3):498-503. DOI: 10.3969/j.issn.1001-5817.2025.03.020.
[5]周涛,常凯.基于Neo4j的中医妇科知识图谱构建研究[J].信息技术与信息化,2024(6):209-212.
[6]王菁薇, 肖莉, 晏峻峰. 基于Neo4j的《伤寒论》知识图谱构建研究[J].计算机与数字工程,2021,49(2):264-267,396. DOI: 10.3969/j.issn.1672-9722.2021.02.007.
[7]卢彦杰,盛威,刘伟,等.《五十二病方》知识图谱的构建与应用研究[J].中国数字医学,2023,18(10):105-110.
[8]高诗岳.基于Neo4j《脾胃论》知识图谱的构建及其甘温除热治法的临床应用[D].沈阳: 辽宁中医药大学, 2024.
[9]李儒婷, 吴翔宇, 张翼飞, 等. 基于Neo4j构建《海药本草》知识图谱的研究[J].广州中医药大学学报,2024,41(11):3063-3069. DOI: 10.13359/j.cnki.gzxbtcm.2024.11.036.
[10]张德政, 谢永红, 李曼, 等. 基于本体的中医知识图谱构建[J].情报工程,2017,3(1):35-42.
[11]国务院办公厅. 国务院办公厅关于加快医学教育创新发展的指导意见[EB/OL]. (2020-09-23)[2025-10-27].https://www.gov.cn/zhengce/content/2020-09/23/content_5546373.htm.
[12]Smith BR. Atlas of knowledge: anyone can map by Katy Börner (review)[J]. Leonardo, 2016, 49(3): 278-279. DOI: 10.1162/LEON_r_01243.
[13]于骊, 邓为民, 张士杰, 等. 知识图谱赋能基础医学教育的实践[J].中华医学教育杂志,2024,44(7):513-516. DOI: 10.3760/cma.j.cn115259-20230729-00055.
[14]郭宏伟. 基于智能教育的高校在线课程知识图谱构建研究——以中国医学史为例[J].中国电化教育,2021(2):123-130. DOI: 10.3969/j.issn.1006-9860.2021.02.017.
[15]陈瑞安, 王琳琳, 朱朝阳, 等. 医学教育中跨学科教学方法的探索[J].中华医学教育杂志,2022,42(1):38-41. DOI: 10.3760/cma.j.cn115259-20210531-00700.
[16]Hu BH, Zheng LW, Zhu JY, et al. Teaching plan generation and evaluation with GPT-4: unleashing the potential of LLM in instructional design[J]. IEEE Transactions on Learning Technologies, 2024, 17: 1445-1459. DOI: 10.1109/TLT.2024.3384765.
[17]Cope B , Kalantzis M , Zhai CX ,et al.Maps of medical reason: applying knowledge graphs and artificial intelligence in medical education and practice[EB/OL].(2022-04-22)[2025-10-27]. https://link.springer.com/chapter/10.1007/978-3-030-95006-4_8.

基于大语言模型与Neo4j的《中国医学史》教材知识图谱构建研究

Construction of a knowledge graph for the textbook History of Chinese Medicine based on large language models and Neo4j

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	魏晓彤, 闻德亮. 基于大语言模型的动态病例在儿科学教学中的应用研究[J]. 中华医学教育杂志, 2026, 46(4): 269-274.
[2]	罗盈怡, 李佳, 孙文文, 盛跃颖, 翁华春, 陈彦凤. 知识图谱在促进流行病学深度学习中的应用效果评价[J]. 中华医学教育杂志, 2026, 46(4): 275-279.
[3]	马晓雯, 左勖, 龚敬, 顾雅佳. 大语言模型回答放射医学对比剂相关问题能力的评估[J]. 中华医学教育杂志, 2026, 46(4): 315-320.
[4]	桑剑锋, 戴玲慧, 史先彪, 张广, 桑怡然, 李秀. 小规模限制性在线课程联合知识图谱在外科手术学教学中的设计与应用研究[J]. 中华医学教育杂志, 2026, 46(1): 42-46.
[5]	朱婧, 王小飞, 周洧冰, 刘衡宇. 基于科学引文数据库的医学教育领域生成式人工智能研究分析[J]. 中华医学教育杂志, 2025, 45(9): 661-665.
[6]	方雅青, 朱丽娜, 胡慧美, 吴海华. 基于数字化知识图谱的医学信息素质课程教学改革研究[J]. 中华医学教育杂志, 2025, 45(4): 288-292.
[7]	陈健聪, 张昆松, 黄锡泰, 张赟建, 冯劭婷, 匡铭. 生成式人工智能在外科学教学领域中的应用与挑战[J]. 中华医学教育杂志, 2025, 45(3): 167-173.
[8]	闫景瑞, 邓为民, 张士杰, 墨晶, 温克, 于骊. 知识图谱赋能临床思维训练的研究[J]. 中华医学教育杂志, 2025, 45(12): 900-905.
[9]	江哲涵, 奉世聪, 王维民. 生成式大语言模型在医学考试题库建设中的实践探索[J]. 中华医学教育杂志, 2024, 44(8): 561-569.
[10]	于骊, 邓为民, 张士杰, 墨晶, 温克, 闫景瑞. 知识图谱赋能基础医学教育的实践[J]. 中华医学教育杂志, 2024, 44(7): 513-516.
[11]	闫景瑞, 邓为民, 张士杰, 墨晶, 温克, 于骊. 基础医学教育阶段核心课程知识图谱的构建与应用[J]. 中华医学教育杂志, 2024, 44(3): 176-179.
[12]	张博文, 阮昱清, 凯丽比努尔·喀依木, 赵阳, 李鸿鹤. 基于医学生自主学习能力的教育资源推荐系统需求偏好研究[J]. 中华医学教育杂志, 2023, 43(4): 245-249.
[13]	王民, 金宏波, 张淑娥, 李庆林, 王燕萍, 周圣焱, 袁嘉, 王子佼, 刘晓宁, 何佳俊, 曹德品. 我国21世纪以来机能学实验教学研究的发展脉络与研究方向可视化分析[J]. 中华医学教育杂志, 2023, 43(11): 842-846.
[14]	周罗晶, 龚浩, 蔡滨, 陆雅文. 基于知识图谱的中国继续医学教育研究可视化分析[J]. 中华医学教育杂志, 2023, 43(10): 783-787.
[15]	曹震宇, 王磊, 涂玥, 林枫. 基于知识图谱和项目反应理论探析运动疗法学课程重点与难点[J]. 中华医学教育杂志, 2022, 42(12): 1083-1088.