为帮助参赛团队精准把握命题方向，深入理解赛题的背景立意、考核目标与攻坚难点，本期解读由中国中医科学院中医药信息研究所出题的定向问题解决类赛题——“基于大模型与深度学习的中医古籍多维度实体智能抽取与结构化”。本赛题核心任务，依托大模型与深度学习技术，从浩如烟海的中医古籍中自动识别、精准抽取疾病、证候、中药、方剂等十大类专业实体，将非结构化古医籍文本，转化为标准化、可计算、可复用的知识数据。
一、中医古籍数字化整理，遭遇人工整理的现实瓶颈
中医古籍是中医药传承创新的核心知识载体。自先秦至民国，历代医家留下卷帙浩繁的医学典籍，蕴藏着疾病、证候、症状、中药、方剂、治法、经络、穴位、炮制、病机等海量专业知识实体，既是中华医药文明的宝贵财富，也是当代中医药科研创新的重要知识源泉。
但当前古籍知识整理工作高度依赖人工，面临多重现实困境。古籍文本均为非结构化资料，古文行文晦涩难懂；同一概念在不同典籍中异名繁多、概念边界模糊。人工标注不仅工作量巨大、成本高昂，同时通用大模型处理这类强专业文本极易产生知识幻觉，抽取结果的准确度、可靠性难以保障。
中国中医科学院中医药信息研究所依托国家科技资源共享服务平台，联合多所中医药院校、医药企业搭建古方知识库，现已收录《千金要方》《太平圣惠方》《普济方》等五十余部核心中医古籍，文献覆盖先秦至民国完整历史阶段，累计结构化古方17万余条，其中配伍完整、无残缺的内服成方超12万首。面对体量如此庞大的古籍资源，单纯依靠人工逐句勘校标注，整理效率已经难以匹配科研与产业发展的实际需求。
二、赛题目标：搭建中医古籍实体智能抽取完整体系
本赛题为参赛团队提供完备的数据资源与评测条件。数据层面，出题方开放脱敏中医古籍文本、权威术语词典、标准实体标注数据集，涵盖古籍文本ID、古籍书名、古籍类目、方剂编号、原文分句、实体起止位置、实体原文名称、实体标准术语、实体类别、实体异名编码、标注质量标签等12项核心字段。
古籍划分为伤寒金匮类、本草附方类、综合方书类、温病方论类、各科临证方类、医案方论类六大类目；实体覆盖疾病、证候、症状、中药、方剂、治法、经络、穴位、炮制、病机十大类别。知识库内置标准化中药3445种、中医疾病7187种、证候305类、治法704种、内服剂型18类的专业术语词典；可拆分古籍原文超50万条，单句完整方剂条文超10万条。大赛专用数据集经过分层抽样构建，训练集480首、验证集60首、盲测测试集60首，六大古籍类目各100首，样本分布均衡无偏倚。
参赛团队需要完成核心任务：建立适配十大中医核心实体的统一抽取与标注规范，实现古籍实体精准识别、边界切分、类别判定，要求核心实体抽取精确率不低于80%，输出高质量古籍实体标注数据集以及完整技术解决方案。
三、三大核心挑战：古文语义、实体归一、幻觉风险并存
第一，古汉语文本语义理解难度高。中医古籍文辞古奥、行文简练，一词多义现象十分普遍；相同的症状表述，在不同典籍中内涵存在差异。模型需要具备深厚中医药领域背景知识，才能准确判别实体的类别与边界。
第二，实体异名归一与边界切分复杂。中医术语古今别名浩繁，同一味药材在不同古籍中存在数十种叫法；实体边界常常和上下文语句互相交织。如何将各类异名映射至标准术语库、精准定位实体起止位置，直接决定知识抽取成果质量。
第三，标注样本稀缺，需要防控大模型知识幻觉。高质量的中医古籍标注样本稀缺，人工标注成本极高；通用大模型处理专业古籍文本，容易虚构不存在的方剂、药材。参赛团队需要在有限标注样本条件下训练出高可靠抽取模型，有效抑制幻觉问题，这是必须攻克的技术关卡。
四、价值展望：打通古籍知识转化链路，赋能产学研协同创新
本赛题成果落地后，将系统性打通中医古籍从纸质文本到结构化数字知识的转化通道。高质量实体抽取结果，可直接支撑中医知识图谱建设、中医药垂直大模型训练、经典名方挖掘筛选等下游业务，为药企新药研发、中医药院校教学科研、古籍数字化工程建设提供坚实的数据底座。平台内置方药、药证、证病、方源多维关联数据，实体关联记录超百万条，可直接服务知识图谱、关联挖掘算法训练。优秀成果还有机会接入中医药古籍数字化平台落地应用，形成产学研用良性循环。
了解更多赛题详情，欢迎登录2026年“数据要素×”大赛北京分赛暨北京数智创新大赛官网：https://dexc.data.beijing.gov.cn
京公网安备：110401200236