换一批
换一批基于GPTs的中医知识图谱实体和关系抽取研究
Research on entity and relation extraction from traditional Chinese medicine knowledge graphs based on GPTs
摘要：
目的 研究基于自定义生成型预训练变换模型(GPTs)抽取中医古籍文献中的实体与关系并构建知识图谱的方法,探索其在中医古籍文献整理与挖掘中的潜在优势.方法 以《中华医方》部分数据为例,首先通过比较测试国内外常用的GPTs产品处理中医古籍文献数据方面的能力,筛选合适的大语言模型提取《中华医方》中的实体与关系,并将结果 以实体表和关系表的形式输出;然后将实体表和关系表导入知识图谱构建工具neo4j,生成中医知识图谱;之后,比较深度学习模型CasRel、GPLinker与GPTs在中医知识图谱构建中的效果,并进行评价.结果 实验结果 显示,在识别和提取《中华医方》中的实体和关系方面,预训练生成聊天模型4.0(ChatGPT4.0)的GPTs优于其他大语言模型;与传统的深度学习模型比较,其在准确率(P)、召回率(R)、调和平均数(F1)三个指标方面都比其他深度学习模型的表现更好.结论 利用GPTs进行中医古籍的实体识别和关系抽取表现出较好的效果,可减少传统方法 中人工标注语料和模型训练的需求,有望在中医药领域得到快速推广.然而,此方法 也存在一定的局限性,如提示词的编写复杂度高、输出结果 可能存在信息省略,以及处理较长文本时上下文窗口长度不足等问题.未来研究需要进一步优化大语言模型的使用策略,以提高其在中医知识图谱构建中的效率和准确性.
更多
作者：
作者单位：
上海中医药大学(上海 201203)
[1]
佩珀代因大学(美国 加利福尼亚州 马里布 90263)
[2]
期刊：
《上海中医药杂志》2024年58卷8期 1-6页
ISTIC
关键词：
人工智能大语言模型自定义生成型预训练变换模型中医知识图谱古籍文献artificial intelligencelarge language modelsgenerative pre-trained transformer modelstraditional Chinese medicineknowledge graphancient literature
栏目名称：
人工智能与中医药前沿研究专栏
DOI：
10.16305/j.1007-1334.2024.2401070
发布时间：
2024-08-09
基金项目：
国家社会科学基金
江苏省南京市医疗保障局项目
- 浏览：1
- 被引：0
- 下载：0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
