PDF
研究文章|开放访问
Qunsheng Zou，王王，Zixin Shu，Kuo Yang，景景王，柯智陆，Zhiang Zhu，Baoyan Liu，Runshun Zhang，Zhing Zhou那 “古代中医书籍语言网络的拓扑分析"，基于证据的互补和替代医学那 卷。2020那 文章的ID8810016那 10. 页面那 2020。 https://doi.org/10.1155/2020/8810016
古代中医书籍语言网络的拓扑分析
qunsheng zou.
那1那2
银安王那1那2
ZIXIN SHU.那1那2
郭阳那1那2
京泾王那1那2
课植路那1那2
强哲那1那2
Baoyan刘那3.
Runshun张那4.
和
Xuezhong周1那2
1北京交通数据分析与矿业计算机与信息技术学院的重点实验室，北京交通大学，北京100044
2北京交通大学计算机信息技术学院医学智能研究所，北京100044
3.中国中医学院中医药数据中心，中国医学科学院，北京100700
4.100700北京，中国中医科学院广安门医院
抽象的
本研究旨在探讨古代中医药（TCM）书的角色网络的拓扑规律。我们应用了2克模型来构建古代TCM书籍的语言网络。本书的每个文本都分为句子，并将TCM书作为定向网络生成，其中节点代表汉字，链接表示句子中的汉字之间的顺序关联（相同的顺序关联的汉字之间的顺序关联被视为重量这个链接）。我们首先计算了书网的节点，平均路径长度和聚类系数，并探讨了它们之间的基本拓扑相关性。然后，我们比较了网络节点的相似性来评估网络中TCM概念的特异性。为了探讨TCM概念之间的关系，我们浏览了TCM概念并群集它们。最后，我们选择了重量大于10的二进制组黄迪内佳能(我,黄帝内经)对冷致病性疾病的论述(TCPD伤寒论),希望能找到这两个古老的中医书籍的核心差异。研究发现，中医古籍网络的度分布符合幂律分布。此外，图书网络的平均路径长度远小于相同规模的随机网络;聚类系数较高，说明古籍网络具有小世界模式。此外，根据余弦相似度比较和聚类的结果，将相似的中医概念进行展示并紧密联系。此外，核心词黄迪内佳能和论寒邪有本质的差异，这可能表明理论和临床书籍的语言和概念模式有显著的差异。本研究采用语言网络的方法考察中医古籍网络的基本概念特征，为识别中医理论和临床操作中特定概念的潜在概念意义提供了一种有用的方法。
1.介绍
作为一种具有医学理论和概念的传统医学，主要成熟，TCM拥有丰富的高价值古代书籍，以1912年之前的中国古典绑定形式写入或印刷，其构思了重要的中医理论和概念以及临床原则疾病诊断和治疗[1那2］.尽管许多中医antecessors进行显著理论研究来消化这些书所用的知识，促进了现代临床实用的解决方案的进步对现实世界的临床设置各种复杂疾病[的管理3.]，调查的古代中医书籍的语言特点，这将有助于了解在这些文本[明确地表达了理论知识显得尤为重要4.］.然而，很少研究是为了解使用计算语言学和复杂网络方法[关键中医概念（例如，阴，阳，齐）在这些古籍的语言规律5.］.
复杂的网络已成为调查具有复杂现象的田地规律的主流方法，例如社会科学，生物科学和语言学6.-8.］.对于这种方法，由节点和链接组成的网络或图是表示相关系统结构的形式。由于各种医学实体之间的组织和相互作用是复杂的，人们一直使用复杂的网络方法来探索中药、症状、证候与人体经络的关联规律[9.-12.］.然而，罕见的工作是在中医书籍语言规律的分析，通过进行复杂的网络方法[13.］.
本文首先从中医古籍全文中构建有向网络;然后，分析网络的统计特征，识别中医核心概念的中心性模式，探讨不同古籍之间的异同。此外,我们证明了多样性的概念,如“气(气)”、“阴(阴)”,“杨(阳)”,“谢(泻)”,“李(痢)”,中医,他们会特别概念的含义。
2。材料和方法
2．1.80本中医古籍数据集
我们所用的资料来自80本中医古籍(见表)1显示典型的30本书收集），重点是对书籍的分析黄迪内佳能(我),对冷致病性疾病的论述(TCPD)。例如，ICH包含189,984个字符，TCPD包含43,331个字符。数据清理是将古文中除中文和句点外的其他字符删除，并将整篇文本分割成句子。例如，ICH和TCPD，在清理了这两本古籍的数据后，我们分别得到了6237句和1366句。
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
请注意。ICH：黄帝内经;CMP：经典81的医疗问题（黄帝又一次经）;YJYZ：易静元智(医经原旨);HSZZJ：华士中堂静（华北中藏经）;yxqy：yixue qiyuan（医学启源）;WXDY：武雄之日（五行大义）;TCPD：伤寒论寒邪疾病;SGC：金舱的概要(金匮要略);张庆子上汉伦(张卿子伤寒论);CBZN: Chabing Zhinan(察病指南);YDXY: Yideng徐彦刚（医灯续焰）;ZJSY: Zhenjia Shuyao（诊家枢要）;A-B CAM:针灸经典（针灸甲乙经）;ZJZN：Zhenjing Zhinan（针经江南）;真酒自生经(针灸资生经);EMM: Matea Medica精华(本草备要);CNCMM：对本草佳能的集体票据（本草经集注）;SNCMM：本草的神农经典（神农本草经）;VPE：价值千金要方紧急（备用千金要方）;Bzyby：Buzhi Yi Biyao(不知医必要);JYF：济妍方（集验方）;BQHB：Bian Que心脏书（扁鹊心书）;SBOC：兰花厅秘笈(兰室秘藏);儒家对父母的责任（儒门事亲）;BPZNP：Baopuzi Neipian(抱朴子内篇);BPZWP：抱朴子Waipian（抱朴子外篇）;ysml：yangsheng milu(养生秘录);GJMYHC：古吉明怡欢古（古今名医汇粹）;MCB A-L：医学全书，古今（古今医统大厦）;和EM：小学药（医学入门）。 |
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
2.2。语言网络建设采用2-gram模型
在计算语言学领域，N-gram是一种广泛使用的自然语言方法;特别是，A.N-gram是一种连续的序列N来自给定序列的项目[14.那15.］.在这里，我们采用2-gram模型获得的字符在古代医药书籍顺序链接。给定一个句子，我们会产生与它们之间的字符作为节点和顺序协会评为链接指向的路径。当给定书的所有句子进行了处理，我们将获得一个加权有向语言网络，其中，相同的顺序关联的数量被认为是链路的权重。例如，句子“阴阳者，天地之道也”在ICH可以被处理为有向路径（图1（a））[16.］.我们为所有80个古代TCM书籍建立了语言网络。特别地，ICH网络包含2,367个节点和35,502个定向链接（见图1（b）)．
（一种）
（b）
２.３.基本网络特点
连接到TCM书籍网络中的每个节点的链接数，即节点的程度[17.］.我们计算了网络中每个节点的程度，并弄清了具有相同程度的节点数量，并试图了解古书网络的程度分布是否与权力法保持一致[18.］.通过计算平均路径长度[19.和聚类系数[20.]网络，我们判断这些网络是否具备小世界属性。因此， 在哪里是曲线图的平均路径长度 那N是节点的数量，和 表示之间最短的距离和 。什么时候无法从 那 。此外，聚类系数由获取
考虑作为Node的本地聚类系数一世,在那里是节点的程度一世那是一组节点，其立即与节点连接的一世那E.被定义为图中的一组边缘 那和是节点的边缘j和K.。然后，所有总结并平均以获得平均聚类系数 。
２.４.相似中医概念在语言网络中的中心性同质性
在中医理论中，有数百种类似的基本概念（通常以单一的字符形式），如“阴阳（阴阳）”，“五个元素（五行）”，和“五个内脏器官（五脏）“，这对TCM理论和临床解决方案至关重要21.］.我们认为可以通过指示语言网络中的节点的矢量表示来捕获概念的这种基本度或重要性。此外，我们认为对于那些类似的概念，他们终于有相似的中心;也就是说，与随机概念相比，相似的概念将显示相同程度的中心正常性。书籍网络中的每个节点的矢量表示由Node2VEC框架计算，该框架从图形中的节点中学习低维表示[22.］.为了调查这些类似概念的同质性现象，我们提出了以下方法来区分类似概念及其随机对照： 在哪里和是节点的低维表示，和是他们的组件，还有 那 是向量的维数。
确定作为一组相似的概念和为网络中其他节点的集合。组中概念的相似性将由在组概念和群组概念之间的相似性将由 那在哪里 和 。如果我们的假设是正确的，那么一般大于 。
2.5。T.-相似性序列测试
通过上述方法，我们获得了每个基本概念和随机概念的相似性之间的区别。然而，目前的结果仅相对于单一的基本概念，这并不表示类似的概念在一定程度上同质化。有一种方法可以解决这个问题，名叫学生T.-test，其通常用于通过计算两个类装置的差和这两个类的可变性[之间的比率来评估两个类的装置是否彼此统计学差异23.那24.］.通过这种方式，我们可以间接地通过结果核实基本概念的同质性T.以及。然后，我们将每个基本概念的结果合并为相似序列m并将结果随机的概念转化为相似序列N。表演后T.- 在这两个序列上，如果价值小于0.05，我们认为这些基本概念彼此相似并与同质性一致。
2.6。识别概念集群
众所周知，语言网络这样的复杂网络通常具有一种社区结构，其中一些涉及密集链接的子网，而这些子网外的稀疏链接。这些被视为网络集群或社区的子网将为进一步调查提供有意义的知识。为了检测TCM语言网络中的概念集群或社区，我们应用了基于模块化的众所周知的社区检测方法的快速展开算法（FUA）[25.]以检测给定网络的社区
考虑到问：作为整个网络，其中的模块化 表示网络中所有边缘的权重的总和，是节点之间的重量一世和节点j那 是连接到节点的边缘的权重的总和一世， 和表示社区哪个节点一世被分配到。的价值 为0或1;当 那这意味着节点一世和节点j在同一个社区;否则，节点一世和节点j不在同一个社区。然后，迭代地使模块化达到最大值，获得最终的聚类结果。
3.结果
3．1.中医语言网络的基本特征
可以看出，古中医节点的度分布符合幂律分布[26.那27.] （数字2(一个)和2 (b))，这意味着虽然大多数汉字很少与其他汉字一起使用;有一些“枢纽”字，如“气”、“阴”、“阳”，连接着句子中不同数量的字。我们列出了30本中医典籍的基本网络特征，并将其分为10大类。可以发现，图书的幂指数接近1.0;最大的是1.3246有价值的紧急情况，最小的是0.9499医学全集，古代和现代。这些古老书籍的节点度分布遵循 在哪里K.是节点的程度，节点数与度的比值是K.到节点的总数量，并且是在1上下浮动的幂指数。
（一种）
（b）
(c)
此外，这些网络的平均路径长度是约3，其中最大的一个是3.819和最小的一个是2.727。聚类系数0.1和0.3（表之间分布2)．将这些古代书籍与随机网络的随机网络进行比较，发现它们的平均路径长度小于随机网络，并且聚类系数大于随机网络。这意味着中医网络符合小世界模式[7.］.
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
T.- 最低用于比较真实和随机的措施。 |
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
3.2。中医基本概念群体的拓扑均匀性
为了验证复杂网络方法的力量，以区分从语言网络的基本TCM概念的语义组，我们计算了16个基本TCM概念组的每个节点向量的余弦相似性（表3.)．我们假设基本的TCM概念组，如五行概念，中心性度量值相似，这将从拓扑度量值反映它们在语言网络中的相似语义重要性。结果显示，大多数基础理论书籍(如ICH)中的中医基本概念组比随机对照的概念组更相似(表)4.），这表明这些基本的TCM概念组显示了一种连接其密切类别的语义相似性的链接均匀性。例如，五个元素概念类别包括Mu，Huo，Tu，Jin和Shui作为密切相关的成员。我们发现，在ICH书中（图2 (c)），这五个元素的余弦相似性范围为0.0499至0.2786，具有相当高的方差值（平均值：0.1498 + STD：0.0669）。这展示了TCM的五个元素类别中概念的核心作用以及这五个概念的分类同质性。此外，由于网络的上下文中的类似连接模式，可以通过社区检测方法识别这些类别类似的概念。例如，在ICH网络中，使用FUA（参见方法），我们可以将概念群体识别为同一社区，例如“阴阳”，“五个元素”，“五个音符”，以及“五种颜色”来自整个网络（图3.)．
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
请注意。值<0.05意味着本书中的大多数基本TCM概念组比随机控件彼此更像。一种
价值<0.05，B.
价值<0.01，和C
值< 0.001。 |
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
然而，结果对于那些临床书（例如，TCPD）不同。基本的TCM概念组的余弦相似性并未倾向于显示均匀的模式。这可能是由于这些书籍的不同聚焦的主题。例如，TCPD主要关注六种综合征的表现及其草药治疗的规律。
3.3。中医网络的多样性
为了进一步调查不同TCM语言网络中涉及的不同拓扑模式，我们筛选了ICH和TCPD中权重> 10的链接，并将相关节点（汉字）视为这两本书中的关键概念（图4.)．阐述了ICH的核心概念主要包括中医的基本理论特征，如“阴阳”、“五行”及其相关概念、量词、情绪、脉(图)4 (b))．相比之下，虽然有几个基本理论概念，如“阴/阳”，仍然包含在TCPD作为关键概念，其他大部分都是（与草药处方和症状图4 (b))．这些结果表明了这两本书所提供的知识的不同类别。众所周知，ICH集中医基础理论于一身，而《中成药》则是一本以疾病表现、病理及其相应的中药方剂为重点的具有代表性的临床著作。
（一种）
（b）
3.4。探索核心TCM概念的特定语义强度
要确定给定概念的特定含义，我们希望看到它发生了什么单词或短语。中医网络可以帮助解决这一调查。众所周知，一些基本概念，如“qi”和“阴阳”，对TCM具有重要意义;然而，这些概念的内涵是相当复杂的[28.-30.］.我们构建了一个集成的网络语言与古代30本中医书籍，最终由6118个节点和381467个链接的衍生各种字符三倍。在这里，我们提取的给定节点的1阶附近，花了四个概念，即“气”，“阴/阳”，“谢”和“礼”的示威游行（图5.)．有趣的是，对于“qi”的基本概念，大约有1864个字符（节点）直接连接到这个节点，其中字符，例如“yang”，“xue”，“yin”，“元”，“郑”，“荆”与“齐”代表了TCM理论中的“QI”的主要类型。另一个连接字符以“qi”获得了各种表现和病理，例如“xiaqi”，“qini”和“qixu”;“Xieqi”，“Hanqi”。虽然这些概念通常由专业的中医从业人员采用，但我们的网络结果可以掌握并展示中医研究人员的全球连接字符。Similarly, we obtained 1736 characters related to “Yin and Yang”, which could form different “Yin and Yang”-related basic concepts, such as meridian-related concepts (e.g., “TaiYin”, “TaiYang”, “YangMai”, and “YinMai”), syndrome-related concepts (e.g., “YinXu” and “YangXu”). For the character “Xie”, our network approach clearly showed two types of semantics involved. One type of concept is related to different manifestations, such as “XieXie”, “TuXie”, “ShuiXie”, and “FengXie”. Another type of concept is related to the principles for prescriptions including “XieXin” and “XieHuo”. However, the concepts related to “Li” are only associated with disorders or diseases, such as “XueLi”, “NueLi”, “GanLi”, “LiChang”, and “LenLi”1。对这些相关概念的严格评估将有助于确切理解与“Li”相关的表现，并从中医古代文献中提高蒸馏高价值疾病或处方知识。
（一种）
（b）
(c)
(d)
4。讨论
医学概念构成了TCM理论的基本知识框架，致力于临床观察复杂的表现形式及其对来自中医观点的潜在病理的理解。因此，即使有国际翻译也是TCM术语的发展是TCM领域的重要任务[31.-33.］.然而，由于来自古代教科书的大多数TCM概念，当代从业者难以掌握TCM理论框架中的整个含义和内涵，其中特定的TCM概念的语义多样性是关键问题之一。语言网络提出了一种高效的方法来调查大型文本语料库中单词概念的语义特性[34.］.复杂网络在语言学中的应用使我们能够在古代中医书籍研究中采用真正的网络分析工具。不幸的是，目前的中医的研究人员主要是那些有医学背景的人，他们通常关心临床医学。它缺乏一些方法，重点关注古代TCM书籍的概念，这不仅有助于研究中医基本理论，也有助于理解基本概念的非专业人士。
古代TCM书籍是中医知识的载体，对整个中国文明具有重要意义[35.］.在本文中，我们以网络形式分析了TCM书籍，并探讨了古代语言网络的一些特征。首先，网络的节点度分布，平均路径长度和集群系数显示TCM字符语言网络遵循一种无规模的小世界网络。其次，我们分析了古代TCM书籍网络中的基本概念，发现这些概念在语言网络中发挥着特殊角色。此外，我们提取了每本书的关键TCM概念，发现不同类别的古书中的关键概念具有明显的差异。最后，我们提出了一个结论，即中医概念，如“QI”在古代书籍中具有丰富的医疗内涵。
我们的手稿有几个局限性。首先，我们只构建了几十个语言网络，这可能会影响到得到的结果延伸到更一般的语境。此外，基于字符的2-gram建模也限制了语言网络对语义问题的研究能力。其次，虽然中医的基本概念大多可以用单个汉字(如“气”)来把握，但有许多关键概念，如穴位、药草、疾病等，都必须用词语来表示，以进一步探索其语义规律。值得注意的是，网络方法擅长于研究给定领域的全局模式，可以与其他数据分析方法(如关联规则)相结合，生成更具体的结果，传递中医有意义的知识。
结论
总之，我们发现古代TCM书籍网络的程度分布与权力法分布和小世界模式一致。此外，古代书籍中的类似概念突然显示和联系起来。此外，我们意识到理论和临床书之间的语言和概念模式存在基本差异。总而言之，古代TCM书籍的探索提供了一种有效的方法，以确定在中医理论和临床业务中构思的特定概念的潜在概念含义。
数据可用性
本文使用的数据在https://gitee.com/zouqunsheng/ancient-tcm-books.git.。
利益冲突
提交人声明他们没有关于本文的出版物的利益冲突。
致谢
国家重点研发计划项目(no. 2017YFC1703506, no. 2017YFC1703502, no. 2017YFC1703505, no. 2020YFC0841600);国家中医药专项(no. JDZX2015168, no. JDZX2015171, no. JDZX2015170);2018 jbz006)。
参考
- P.江，Y.李，Y. Zhou等，“关于中医古代书籍融合的思考”中国中医现代远程教育，卷。16，不。6，第62-63页，2018。查看在：谷歌学术
- F. Meng，W. Shang，S. Li等人，“古代中医古书籍分类系统及其进化”，“中国医科图书馆学报，卷。24，不。9，pp。62-66,2015。查看在：谷歌学术
- T. Yu，J. Li，Q. Yu等人，“TCM Health保存的知识图：设计，建设和应用，”医学中的人工智能，卷。77，第48-52，2017年。查看在：出版商网站|谷歌学术
- J.Xie和C.JIA，“中国内部经典中隐喻语言的类型与函数”ACTA中国医药，卷。39，没有。1，pp。1-4,2011。查看在：谷歌学术
- X.周，Y.Peng和B.刘，“中国传统医学知识发现的文本挖掘：调查”生物医学信息学杂志，卷。43，不。4，pp。650-660，2010。查看在：出版商网站|谷歌学术
- M. E. J. Newman，《复杂网络的结构和功能》，SIAM回顾，卷。45，不。2，pp。167-256,2003。查看在：出版商网站|谷歌学术
- s·h·斯特罗加茨，《探索复杂网络》，自然，卷。410，没有。6825，p。268,2001。查看在：出版商网站|谷歌学术
- 语言复杂网络:语言探索的新途径Grundlagenstudien Aus Kybernetik Geisteswissenchaft（Grkg / Humankybernetik），卷。52，第151-170，2011。查看在：谷歌学术
- 李士生，张斌，江东等，“中药配方组合规律的中药网络构建与共模分析”，《中国药典》，BMC生物信息学，卷。11，不。11，p。S6，2010。查看在：出版商网站|谷歌学术
- C.面包车Borkulo，L. Boschloo，D. Borsboom，B. W. J. H. Penninx，L. J. Waldorp和R. A. Schoevers，“抑郁症的过程中症状的网络结构的协会”贾马精神病学，卷。72，没有。12，第1219至1226年，2015年。查看在：出版商网站|谷歌学术
- R.Goekoop和J.G.Goekoop，“对精神病疾病的网络视图：作为心理病理学的基本综合征的症状网络群集，”普罗斯一体，第9卷，第5期。11、Article ID e112734, 2014。查看在：出版商网站|谷歌学术
- Y. Bai，J. Wang，J.-P Wu等人，“审查诉讼网络可能是人体穴位和经络的解剖学基础，”循证补充和替代医学，p。2011年，2011年。查看在：谷歌学术
- H. WAN，M.-f.Moens，W. Luyten等，“通过异构实体网络提取中医文学的关系，”美国医学信息学协会杂志，卷。23，不。2，p。356年，2016年。查看在：出版商网站|谷歌学术
- P. F. Brown，P.V.V.Vesouza，R.L. Mercer等，“基于课堂的自然语言”，计算语言学第18卷第2期4，第467-479页，1992。查看在：谷歌学术
- W.B.Cavnar和J. M. Trenkle，“基于N-GRAM的文本分类”，1994。查看在：谷歌学术
- J. H. Martin和D.Jurafsky，“言语处理：自然语言处理，计算语言学和语音识别介绍，”Pearson / Prentice Hall，卷。23，2009年。查看在：谷歌学术
- M.挑花，“网络 - 一个引子，”人工生命第18卷第2期2，页241-242,2010。查看在：谷歌学术
- M. Newman，“权力法，帕累托分配和ZIPF的法律”当代物理学，卷。46，没有。5，pp。323-351,2005。查看在：出版商网站|谷歌学术
- U. Brandes，“一种更快的中间中心性算法，”数学社会学杂志，卷。25，不。2，第163-177，2001。查看在：出版商网站|谷歌学术
- D. J. Watts和S. Strogatz，“小世界”网络的集体动态，“自然，卷。393，没有。6684，PP。440-442，1998。查看在：出版商网站|谷歌学术
- 简，《传统医学:平衡中的文化》，自然，卷。448，没有。7150，p。126,2007。查看在：谷歌学术
- A.格罗弗和J. Leskovec，“node2vec：可扩展功能的学习网络，”第22届ACM SIGKDD国际知识发现和数据挖掘会议，卷。4，pp。855-864,2016。查看在：谷歌学术
- J. F. BOX，“吉尼斯，门，费舍尔和小样品”统计科学，卷。2，不。1，pp。45-52,1987。查看在：出版商网站|谷歌学术
- J.L.Devore和R. Peck，“统计：数据勘探和分析，”Duxbury Press.，卷。4，2005年。查看在：谷歌学术
- V. D. Blondel, J. L. Guillaume, R. Lambiotte等人，“大型网络中的社区快速展开”，杂志统计力学的，卷。2008年，没有。10，pp。155-168,2008。查看在：出版商网站|谷歌学术
- C. M. Bernat和R.V.·彼得，“ZIPF法的普遍性”，杂志统计力学的，第82卷，第2期文章编号011102,2010。查看在：谷歌学术
- B. Albert-László，“无规模网络:十年及以后”，科学，卷。325，没有。5939，第412-413,2009。查看在：谷歌学术
- 十，东，物质力量“的含义的演变‘’在中国传统医学理论，”辽宁医学院学报：社会科学版，卷。14，不。4，pp。63-66,2016。查看在：谷歌学术
- M. yan和Y.王，“齐齐的中医Qi参考”的概念和时尚术语的概念和状态的异象。北京中医药大学学报号，第41卷。9，第717-725页，2018。查看在：谷歌学术
- 王振堂，《阴阳精论》中医及相关问题，卷。41,2014。查看在：谷歌学术
- Z. Li，“标准化中文医学术语的英语翻译：概念，有关原则和方法的分析”中国翻译杂志，第29卷，第2期4，第63-70页，2008。查看在：谷歌学术
- 朱军，“中国的传统医学（TCM）和现代化，国际医药方面的标准化，”中国[中国医药，第1卷，第6-8页，2006。查看在：谷歌学术
- 谢志忠，“中医学术语英译探讨”，中国综合和西方医药杂志，卷。9，pp。706-709,2000。查看在：谷歌学术
- C. Biemann, S. Roos，和K. Weihe，“用复杂网络分析量化语义”，Coling的诉讼程序，卷。2012年，第263-278,2012。查看在：谷歌学术
- Y.Fu，G. Liu，B. Li等人，“中国中医古代书籍的数字研究”中国中医药信息对中国传统医药，卷。6，pp。563-564,2004。查看在：谷歌学术
版权
版权所有©2020邹群生等。这是一篇发布在知识共享署名许可协议如果正确引用了原始工作，则允许在任何媒体中的不受限制使用，分发和再现。
