这篇文章简要介绍了自然语言处理在中医学中的应用，通过对相关文献的研究分析，阐述关联规则挖掘、聚类分析、信息抽取、机器学习等方法的特点与应用方向。总结构建中医知识网络的相关方法，基于构建知识网络的方法提出未来中医自然语言处理研究的新思路。
通过NLP辅助完成汇总中医知识的过程，将知识提炼出来，提取其中有用的诊疗信息，最终形成知识本体或者知识网络，从而为后续的各种文本挖掘任务提供标准和便利。NLP的任务主要包括信息抽取、机器翻译、情感分析、摘要提取等，所用到的技术包括命名体识别、语义消歧、指代消解、词性标注、结构分析等。大量医学文本资料含有的病史、诊断、治疗方法、药物等名词，给NLP的应用提供了可能性。利用NLP技术将隐藏在文本中的知识挖掘出来，对医学的发展具有重要意义。一些医学本体数据库逐渐建立起来，如一体化医学信息系统、临床医学术语等。
中医学中应用的NLP方法：1、关联规则挖掘；2、聚类分析；3、信息抽取；4、机器学习。
构建中医知识网络的方法：1、基于规则推理的知识网络；2、基于概率统计的知识网络。
总结：NLP在中医学研究过程中式非常有效的工具，通过信息抽取、量化分析，将中医文本知识转化为结构化数据，通过聚类分析和机器学习方法对结构化的数据进一步分析挖掘，可以完成对中医知识的总结整理，进一步有可能发现新的知识。
未来发展趋势：未来对中医自然语言处理的研究有两条明确的路可走。
1、语义理解，即选取具体的问题，在局部范围内理解文本中的知识，将其以结构化的方式展示出来，最后利用一些数据分析或者机器学习方法对结构化的信息加以处理，给出具体的解决思路。
2、概率统计，网络中文本科的增加使得概率统计NLP被广泛试用，词向量就是概率统计NLP的产物之一，虽然忽略了上下文的含义，但是通过大量文本的挖掘，可使知识逐渐浮现出来，这一点与大数据研究的思维完全相符。然而，词向量接应用于医药文本得到的准确率始终不高，以医学本体为评价标准，正确率都比较低。因此，将概率统计的方法与本体知识结合才是最优的解决方法。通过本体和词向量构建中医领域知识网络，将进一步对中医领域的知识做一总体的整理，挖掘中医概念之间的关系，为中医诊疗提供更为实用的信息；如果能够大力开展该方向的课题研究，结合当前热门的大数据挖掘相关方法，最终能引发中医历史性的革命，使得中医迅速并且持续发展壮大。
