融合思维链与知识图谱的中医问答模型

来源：计算机工程与应用杂志2025年第4期北京时间：

作者：苑中旭, 李理, 何凡, 杨秀, 韩东轩

单位：1.西南科技大学 计算机科学与技术学院，四川 绵阳 621010；2.四川省工业自主可控人工智能工程技术研究中心，四川 绵阳 621010；3.中国科学技术大学 计算机科学与技术学院，合肥 230027

摘要：针对中医问诊领域数据规模大，以及医生在问诊中主观性强、数据对齐难的问题，提出了一种中医问答领域的大语言模型ChatTCM。利用大语言模型（large language model，LLM）在处理自然语言理解与文本生成方面的强大能力，通过对大语言模型进行微调，使LLM具有在中医问答领域的专业知识和能力，避免模型在生成时出现幻觉的现象。提取中医书籍中的三元组信息，构建中医知识图谱数据库，实现中医知识的数据对齐与系统化整合，并为大语言模型生成答案提供背景知识；结合思维链（chain-of-thought，COT）与知识图谱数据库的动态交互，生成客观的推理过程，确保诊疗建议具有科学依据；把思维链与知识图谱的推理结果作为新知识进行存储，从而不断扩展本地知识库。与中医领域的HuaTuoGPT模型对比实验表明，ChatTCM模型在MedChatZH数据集上BLEU-4和ROUGE-L的评测指标分别提高了10.6和10.5个百分点，并且在已开源的数据集上准确度达到了70%，比同类型的MedChatZH模型提升了10个百分点。

关键词：大语言模型,微调,知识图谱,思维链,中医知识