中医药学语言系统究综述.docVIP

中医药学语言系统研究综述 　　摘要：中医药学语言系统（TCMLS）是由中国中医科学院中医药信息研究所联合全国13家中医药科研单位和高等院校于2002年开始研制的大型术语系统。它是在统一医学语言系统（UMLS）的基础上，根据中医药领域的语言特点及学科体系特色，采用本体（ontology）的设计理念和方法研制而成。经过10余年的发展，TCMLS的技术体系日趋成熟，相关研究也越来越深入和系统化。通过回顾TCMLS的发展历程，对相关研究文献进行综述，分析存在的问题和未来的发展方向。 中国论文网 /1/viewhtm　　关键词：中医药；语言系统；中医药学语言系统；本体 　　中医药学经过几千年的发展，在临床实践和医学研究过程中产生了大量的概念和术语。朝代更迭、语言变迁、地域差异、学科融合等多种因素的综合影响，使中医药学术语体系变得极为复杂。针对中医药文本中大量存在的同物异名、同名异物等现象，中医药工作者往往无法做出正确判断。通过建立一个完整、准确的语言系统，能够有效处理词义模糊、一词多义、一义多词等复杂的语言现象，可以解决长期困扰中医药信息化领域的术语使用不规范、术语组织不系统、信息检索效能低下等问题。为此，中国中医科学院中医药信息研究所（以下简称“信息所”）联合全国13家中医药科研单位和高等院校，从2002年开始研制中医药学语言系统（traditional Chinese medicine languagesystem，TCMLS）。本文回顾了TCMLS的发展历程，对相关研究文献进行综述，分析存在的问题和发展方向，为中医药学语言系统的研究、编制和使用人员提供参考。 　　1概述 　　TCMLS原名为中医药一体化语言系统。它是参照统一医学语言系统（LMLS），根据中医药领域的语言特点及学科体系特色，采用本体（ontology）的设计理念和方法研制而成的大型术语系统。其目的在于利用现代信息技术，逐步建立规范化的中医药术语体系，从而支持中医药信息资源的合理组织和有效检索。 　　TCMLS主要包括语义网络（semanticnetwork）和基础词库两大部分。其中，语义网络定义了中医药领域最基本的语义类型（semantictype）和语义关系（semantic relation），构成TCMLS的顶层框架。基础词库则以概念为单位对中医药术语进行系统梳理和准确诠释，建立科学合理的概念分类体系以及概念之间的语义关系。经过10余年的研发，TCMLS的技术体系日趋完善，建立了成熟的术语采集系统；组建了由300多名专家组成的术语加工团队；收录了约12万个概念、30万个术语和127万条语义关系，涵盖了中医药学科体系及与之相关的生物、化工、哲学等学科的专业术语，在文献检索、文本挖掘、术语集成等方面得到了实际应用。 　　2中医药学语言系统发展历程 　　从20世纪90年代开始，本体技术在医学领域得到广泛应用，在知识获取、知识管理和信息检索等方面发挥了积极的作用。UMLS是其中的一个代表性本体，它集合了来自100多个词表中的100多万个概念，用于提高计算机“理解”医学信息的能力，促进医学信息系统之间的互操作。注意到UMLS在医学领域取得的成功，中医药工作者开始考虑将本体技术引入中医药领域，以中医药学科为主导且遵循中医药发展思路，研发基于本体的大型术语系统。2002年，信息所联合全国13家单位正式启动了TCMLS的建设工作。TCMLS从建立之初到目前为止，大体经历了3个阶段。 　　2.1建设初始阶段（2002―2005年） 　　在建设初期，尹爱宁等提出了建立TCMLS的方法学，制定了TCMLS的技术标准。Zhou XZ等则从信息技术角度提出了TCMLS的技术方案。这些研究为TCMLS的建设给出了科学合理的顶层设计和路线图，为其长期健康发展奠定了基础。在此阶段，各单位加工人员采用单机版的Protege软件分别加工各自的部分，再由信息所统一汇总。这一加工模式促成了多单位数百人协同共建，但所加工的数据难免有所重复和矛盾。 　　2.2迅速成长阶段（2005―2009年） 　　从2005年开始，基于万维网（Web）的加工平台成功部署并投入使用。各单位加工人员得以在统一的网络平台上协同共建，免去了数据汇总的环节。基于网络的协作方式显著提升了加工效率，使TCMLS的规模得以迅速增长。但加工人员的主观性和专业水平差异等因素造成TCMLS的数据存在很多质量问题，因此数据质量保证和数据清洗技术成为研究重点之一。在系统建设的同时，学者们也针对系统设计和架构等问题进行了反复研讨，提出了一系列调整和改进方案。 　　2.3稳定发展阶段（2009―2014年） 　　经过上一阶段的大规模数据加工，TCMLS已收集了现代中医药文献中出现的大部分概念和术语，其数据增量开始逐年放缓。在