244 lines
12 KiB
Markdown
244 lines
12 KiB
Markdown
# 大医网 — 中医知识库
|
||
|
||
> 基于 dayi.org.cn 的中医数据采集与分析资料库，涵盖中药材、方剂、针灸穴位、疾病、症状、术语、药膳食疗七大知识库，以及峨眉内功导引按蹻术专题。
|
||
|
||
> 📅 **最近更新**: 2026-06-26 — 关联融合数据清理（删除空文件、归位散落文件、建立症状→方剂/药材/穴位桥接和关联融合总览）
|
||
> 📊 **数据规模**: 7,200 文件 / 121 MB / 全部有效
|
||
> ✅ **关联索引**: 四库交叉关联已更新，深度挖掘已重建，多主题临床挖掘已新增，数据质量已清洗，九种中医体质数据库已构建，加工数据已清理，体质-知识索引关联已建立，关联融合数据已清理，症状→四库桥接已建立
|
||
> 📋 **增量更新报告**: [04_分析报告/归档/增量更新报告_20260529.md](04_分析报告/归档/增量更新报告_20260529.md)
|
||
|
||
---
|
||
|
||
## 数据谱系总览
|
||
|
||
按 **ETL 数据流水线** 分层组织：
|
||
|
||
```
|
||
01_来源数据 02_加工数据 03_关联融合 04_分析报告
|
||
（原始采集，不可再生） → （结构化索引衍生） → （跨集关联融合） → （分析文档）
|
||
|
||
|7 个核心库 (~1000条/库) 知识索引 交叉关联分析 交叉关联报告
|
||
|峨眉内功导引按蹻术 数据摘要 关联分析 药膳食疗分析
|
||
|爬虫URL索引 领域专题 深度挖掘迭代 疾病症状分析
|
||
| 高频配伍分析 术语关联 归档报告
|
||
| 临床主题关联数据 临床主题深度挖掘
|
||
| 中医体质数据 数据质量报告
|
||
| 体质挖掘关联数据 体质数据挖掘报告
|
||
| 体质-知识索引关联 体质-知识索引分析
|
||
| 症状-四库桥接 关联融合总览
|
||
```
|
||
|
||
---
|
||
|
||
## 目录说明
|
||
|
||
| 目录 | 层 | 用途 | 文件数 |
|
||
|------|-----|------|--------|
|
||
| `01_来源数据/` | 原始层 | 7 个核心知识库原始采集数据 + 峨眉专题 + 爬虫索引 | ~7,000 |
|
||
| `02_加工数据/` | 加工层 | 知识索引、数据摘要、中医体质 | 20 |
|
||
| `03_关联融合/` | 融合层 | 跨数据集交叉关联、关联分析、深度挖掘迭代 | 139 |
|
||
| `04_分析报告/` | 输出层 | 按主题分类的分析报告和归档报告 | 27 |
|
||
| `05_脚本工具/` | 工具层 | Python 分析脚本（OCR清洗、深度挖掘、关联分析、体质挖掘、药膳分析等） | 14 |
|
||
|
||
---
|
||
|
||
## 文件清单
|
||
|
||
### 01_来源数据（原始采集，不可再生）
|
||
|
||
#### 七大核心知识库
|
||
| 子目录 | 内容 | 规模 |
|
||
|--------|------|------|
|
||
| `中药材/` | 中药材详情 | 1,000 条 |
|
||
| `方剂/` | 中医方剂 | 1,000 条 |
|
||
| `针灸穴位/` | 针灸穴位 | 1,000 条 |
|
||
| `疾病/` | 疾病条目 | 998 条 |
|
||
| `症状/` | 症状条目 | 993 条 |
|
||
| `术语/` | 中医术语 | 1,001 条 |
|
||
| `药膳食疗/` | 药膳食疗指南 | 1,000 条 |
|
||
|
||
#### 峨眉内功导引按蹻术（专题）
|
||
| 文件 | 大小 | 内容 |
|
||
|------|------|------|
|
||
| `峨眉内功导引按蹻术.md` | 61K | 全文文档 |
|
||
| `峨眉内功导引按蹻术_database.json` | 70K | 结构化数据库 |
|
||
| `峨眉内功导引按蹻术_index.md` | 1.9K | 索引文件 |
|
||
|
||
#### 单条补充数据
|
||
| 文件 | 内容 |
|
||
|------|------|
|
||
| `1143645_血小板偏高_html保留版.json` | 疾病"血小板偏高"原始HTML |
|
||
| `symptom_1153042.json` | 单条症状详情 |
|
||
|
||
#### 爬虫索引（URL 列表）
|
||
| 文件 | 内容 |
|
||
|------|------|
|
||
| `all_prescriptions.json` | 全量方剂URL索引 |
|
||
| `all_symptom_urls.json` | 全量症状URL索引 |
|
||
| `all_terms_index.json` | 全量术语索引 |
|
||
| `all_dietGuidelines_urls.json` | 药膳食疗URL索引 |
|
||
| `中草药_urls.txt` | 中草药URL列表 |
|
||
| `针灸穴位_urls.txt` | 针灸穴位URL列表 |
|
||
| `疾病_urls.txt` | 疾病URL列表 |
|
||
| `all_prescriptions_url.txt` | 方剂URL文本列表 |
|
||
|
||
---
|
||
|
||
### 02_加工数据（结构化/索引/专题衍生）
|
||
|
||
#### 知识索引
|
||
| 文件 | 内容 |
|
||
|------|------|
|
||
| `索引_经脉分类.json` | 经脉与穴位分类索引 |
|
||
| `索引_穴位-症候关联.json` | 穴位与症候关联索引 |
|
||
| `索引_药膳分类.json` | 药膳分类索引 |
|
||
| `索引_药膳高频药材.json` | 药膳常用高频药材 |
|
||
| `索引_药膳功效关键词.json` | 药膳功效关键词索引 |
|
||
| `索引_药膳疾病关联.json` | 药膳与疾病关联（全量） |
|
||
| `索引_药膳疾病关联_cleaned.json` | 药膳疾病关联（清洗版） |
|
||
| `索引_药膳药材双向映射.json` | 药膳↔药材双向映射 |
|
||
| `索引_功效交叉验证.json` | 功效交叉验证数据 |
|
||
| `索引_三方关联分析.json` | 药膳-药材-方剂三方关联 |
|
||
| `索引_导引运动处_technique.json` | 导引运动技术索引 |
|
||
|
||
#### 数据摘要
|
||
| 文件 | 内容 |
|
||
|------|------|
|
||
| `数据摘要_药膳食疗.json` | 药膳食疗数据摘要 |
|
||
| `术语_全库合并分析.json` | 术语全库合并分析 |
|
||
| `术语_学科补充数据.json` | 术语学科补充 |
|
||
| `针灸穴位_report.json` | 针灸穴位报告数据 |
|
||
| `针灸穴位_report.md` | 针灸穴位报告文档 |
|
||
| `同名记录索引.json` | 疾病库20组+症状库7组同名记录的版本对照（中西医双版本） |
|
||
|
||
#### 领域专题
|
||
| 文件 | 内容 |
|
||
|------|------|
|
||
| `女性补气血_关联数据.json` | 女性补气血关联（位于 03_关联融合/交叉关联分析/） |
|
||
| `组合穴深度分析.md` | 组合穴位深度分析 |
|
||
|
||
#### 中医体质
|
||
|
||
| 文件 | 大小 | 内容 |
|
||
|------|------|------|
|
||
| `九种体质详细数据.json` | 15K | 9种体质结构化数据（特征、调理、饮食宜忌、推荐药膳/穴位/功法） |
|
||
| `体质-大医网交叉关联.json` | 1.8M | 体质↔药膳(1543条)、体质↔药材(2004条)、体质↔穴位(1432条) 交叉关联 |
|
||
|
||
#### 其他
|
||
| 文件 | 内容 |
|
||
|------|------|
|
||
| `各类方剂详细药材功效明细.md` | 方剂药材功效汇总明细 |
|
||
| `高频配伍深度分析/` | 方剂高频配伍分析（A-G多维度） |
|
||
|
||
---
|
||
|
||
### 03_关联融合（跨数据集交叉关联）
|
||
|
||
| 子目录 | 内容 | 规模 |
|
||
|--------|------|------|
|
||
| `交叉关联分析/` | 疾病↔方剂/穴位/药材/症状 等跨库关联 + 临床主题 + 体质挖掘 + 症状桥接 | 27 个JSON，~72MB |
|
||
| `关联分析/` | 配方-药材关联表 | 6 个JSON |
|
||
| `深度挖掘迭代/` | 多轮深度挖掘分析迭代版本（初版→进阶→精修→特定类方剂→进阶2） | 6 个版本 |
|
||
|
||
#### 临床主题关联数据
|
||
|
||
| 文件 | 大小 | 内容 |
|
||
|------|------|------|
|
||
| `脾胃调理_关联数据.json` | 242K | 脾胃调理四库交叉关联（D↔F 200条、D↔H 200条、F↔H 200条） |
|
||
| `心脑血管_关联数据.json` | 2.7M | 心脑血管四库交叉关联（含5类关联） |
|
||
| `失眠不寐_关联数据.json` | 209K | 失眠不寐四库交叉关联 |
|
||
| `咳嗽哮喘_关联数据.json` | 14M | 咳嗽哮喘四库交叉关联（约75,000条关联链接） |
|
||
|
||
#### 体质挖掘关联数据
|
||
|
||
| 文件 | 大小 | 内容 |
|
||
|------|------|------|
|
||
| `体质-疾病症状挖掘.json` | 1.3M | 9种体质×616疾病关联+症状频率+科室/部位分布 |
|
||
| `体质-方剂药材穴位挖掘.json` | 2.1M | 1133方剂/1784药材/237穴位关联+药对/归经统计 |
|
||
| `体质-药膳推荐体系.json` | 75K | 多因子评分推荐+功效分类+跨体质共享分析 |
|
||
| `体质-知识索引关联.json` | 59K | 体质↔经脉分布/功效关键词/药膳疾病通道/导引功法 |
|
||
| `症状-方剂药材穴位桥接.json` | 9.1M | 1197症状→方剂/药材/穴位多段桥接（65022条路径） |
|
||
| `关联融合总览.json` | 5.5K | 03_关联融合全部142个文件的统计总览 |
|
||
|
||
---
|
||
|
||
### 04_分析报告（按主题分类）
|
||
|
||
| 子目录 | 文件数 | 内容 |
|
||
|--------|--------|------|
|
||
| `交叉关联/` | 9 | 四库总览、疾病-方剂/穴位/药材、症状-疾病等交叉关联报告 |
|
||
| `药膳食疗/` | 3 | 药膳疾病关联、中药材关联、三方关联分析 |
|
||
| `疾病症状/` | 5 | 症状推断、桥接分析、反查推荐、资料库检查 |
|
||
| `归档/` | 3 | 全库归档报告、术语归档、药膳食疗归档 |
|
||
| `数据质量/` | 1 | OCR清洗报告（249处修正，125文件受影响） |
|
||
| 根目录 | 6 | 女性补气血、脾胃调理、心脑血管、失眠不寐、咳嗽哮喘深度挖掘 + 九种体质深度关联分析报告 |
|
||
|
||
#### 临床主题深度挖掘报告
|
||
|
||
| 文件 | 大小 | 内容 |
|
||
|------|------|------|
|
||
| `脾胃调理深度挖掘分析报告.md` | 36K | 脾胃虚弱/虚寒专题四库分析（220疾病、73方剂、363药材、108穴位） |
|
||
| `心脑血管深度挖掘分析报告.md` | 33K | 胸痹心悸专题四库分析（197疾病、54方剂、189药材、130穴位） |
|
||
| `失眠不寐深度挖掘分析报告.md` | 32K | 不寐专题四库分析（324疾病、54方剂、186药材、62穴位） |
|
||
| `咳嗽哮喘深度挖掘分析报告.md` | 38K | 肺系疾病专题四库分析（342疾病、131方剂、454药材、176穴位） |
|
||
|
||
#### 中医体质深度关联报告
|
||
|
||
| 文件 | 大小 | 内容 |
|
||
|------|------|------|
|
||
| `九种体质深度关联分析报告.md` | 113K | 9种体质与药膳(1543条)、药材(2004条)、穴位(1432条)交叉关联分析 + 知识索引关联 |
|
||
|
||
报告含9节：疾病关联→方剂挖掘→药材挖掘→穴位挖掘→药膳推荐→综合调理→体质间关联→知识索引关联→附录
|
||
|
||
---
|
||
|
||
### 05_脚本工具（Python 分析脚本，14个有效）
|
||
|
||
| 文件 | 说明 | 状态 |
|
||
|------|------|------|
|
||
| `clean_ocr_errors.py` | OCR文本杂质清洗（18条规则，全量扫描6992文件） | ✅ 最新 |
|
||
| `深度挖掘6.py` | 方剂-药材深度挖掘最终版（v6，含功效网络/方剂聚类/配伍禁忌） | ✅ 最新 |
|
||
| `深度挖掘进阶.py` | 归经功效、方剂来源、药性交叉分析 | ✅ 有效 |
|
||
| `深度挖掘精修.py` | 精修版：短名去重策略 | ✅ 有效 |
|
||
| `深度挖掘精修2.py` | 精修版2：仅用药材主名匹配 | ✅ 有效 |
|
||
| `药膳食疗归档分析.py` | 药膳食疗归档分析 | ✅ 有效 |
|
||
| `药膳食疗与中药材深度关联.py` | 药膳-药材深度关联 | ✅ 有效 |
|
||
| `增量关联更新.py` | 增量关联检测与补全 | ✅ 新增 |
|
||
| `recommender_demo.py` | 推荐系统演示 | ✅ 有效 |
|
||
| `体质挖掘_方剂药材穴位.py` | 九种体质↔方剂/药材/穴位深层挖掘 | ✅ 最新 |
|
||
| `build_tcm_constitution.py` | 九种中医体质数据库构建脚本 | ✅ 最新 |
|
||
| `build_dietary_recommendation.py` | 体质-药膳推荐体系多因子评分 | ✅ 最新 |
|
||
| `generate_report.py` | 体质数据挖掘报告生成 | ✅ 最新 |
|
||
| `analysis_cough_asthma.py` | 咳嗽哮喘主题深度挖掘 | ✅ 最新 |
|
||
|
||
---
|
||
|
||
## 数据关系说明
|
||
|
||
```
|
||
七大知识库（中药材/方剂/针灸穴位/疾病/症状/术语/药膳食疗）
|
||
├──→ 知识索引（11 种结构化索引）
|
||
├──→ 数据摘要（5 种汇总数据）
|
||
├──→ 中医体质数据库（9种体质 × 药膳/药材/穴位交叉关联）
|
||
├──→ 交叉关联分析（疾病↔方剂/穴位/药材，症状↔疾病，术语↔全库等）
|
||
├──→ 临床主题深度挖掘（脾胃调理、心脑血管、失眠不寐、咳嗽哮喘）
|
||
├──→ 跨库关联：大医网药膳 ↔ 中华药膳全书（见中华药膳全书/03_关联融合/）
|
||
└──→ 跨库关联：大医网中药材/症状/疾病 ↔ 中华药膳全书（见中华药膳全书/03_关联融合/中华药膳全书-大医网_三库关联.json）
|
||
|
||
峨眉内功导引按蹻术
|
||
└──→ 导引运动技术索引
|
||
|
||
高频配伍深度分析
|
||
└──→ 多维度方剂配伍分析（A-G 系列）
|
||
```
|
||
|
||
---
|
||
|
||
## 归档原则
|
||
|
||
- **来源数据**不可修改（原始采集，不可再生）
|
||
- **加工数据**可随算法升级重新生成
|
||
- **关联融合**随数据源更新而重建
|
||
- **分析报告**为阶段性输出，可追加
|
||
- **脚本工具**为分析代码，可迭代
|