计算机科学与探索

作者：吉祥宇, 王鑫, 张鹤译, 孟昭鹏, 张俊华, 庄朋伟, 贾勇哲, 徐大为

单位：1. 天津大学 智能与计算学部，天津 3003502. 天津中医药大学，天津 3001933. 天津中医药大学第一附属医院 国家中医针灸临床医学中心，天津 3001934. 天大智图（天津）科技有限公司，天津 300192

关键词：大语言模型（LLM）,中医药,方剂优化,检索增强生成

近年来，大语言模型（LLM）在各个领域取得了许多重大成果。由于缺乏专业知识，以及中医和现代医学的思想不同，大模型在中医药领域的应用仍是一项挑战。现有的知识增强方法难以保持中医方剂具有的自身结构性。为了解决以上问题，提出了一种新的知识增强方法。该方法由模型训练、图谱构建和知识增强三部分组成。在模型训练阶段，通过对基础大模型在中医药数据集上进行预训练和微调两阶段训练，得到中医药领域大模型。在图谱构建阶段，基于中医十万首经典方剂和古籍中的方剂，利用清洗后的数据集构建中医药图谱。在知识增强阶段，基于对知识图谱上信息的计算，利用检索图谱中的专业知识和图谱结构计算检索结果，中医药方剂中的结构特性得以保留。在中医药方剂配伍任务上，针对于任务特性提出了一组评价标准，包括主观指标和客观指标，用于评估模型在该任务上的表现。实验表明，该方法相对于基准测试模型，在主观指标和客观指标上均获得了较大提升，BLEU-1最高提升0.09，ROUGE-1最高提升0.21。消融实验表明，该方法对于模型在该任务上具有较大作用，未使用知识增强的模型BLEU-1相比于使用知识增强下降约37%。

来源：2024年第10期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2024年第10期