肺癌是我国发病率和死亡率均高居首位的恶性肿瘤,这不仅给患者家庭带来了巨大的经济负担和生活压力,更是对患者的生理与心理健康造成严重的威胁。随着国家的大力支持,中医药相关领域快速发展起来,中医药特色疗法已然成为我国治疗肿瘤的重要方法之一。然而,由于医疗信息化的发展,医学数据日益增多,这些数据混乱而又复杂且蕴含着丰富的语义信息,如何将这些零散、琐碎的信息相连接实现知识整合已成为医学领域研究的热点问题。针对现有问题,一个有效的解决方案就是构建医疗相关知识图谱。知识图谱是一个以网络为架构对各领域存在的零散、杂乱的实体、概念及其关系进行捕捉并以图形化的方式更准确、直观地呈现出来的方法。现阶段,市面上已出现很多成熟的大规模知识库,但中医领域由于其自身的特性使得相关知识图谱的构建仍处于探索阶段,不利于中医知识的传播与共享。因此,本文利用知识图谱技术对肺癌医案数据进行四诊信息相关知识图谱的构建,以便从肺癌医案数据中挖掘潜在知识,为医疗工作者进行肺癌相关课题探索提供研究思路和理论支撑。本论文主要工作如下:（1）为从肺癌医案中获取丰富的四诊信息,本文利用基于字向量BiGRU-CRF方法实现肺癌医案四诊信息相关实体抽取研究。首先,通过BERT模型对基于自定义词典自动化标注后的肺癌临床数据进行预训练,得到包含上下文语义的字向量,再将其作为BiGRU-CRF模型输入,实现肺癌医案四诊信息命名实体抽取。对比实验结果发现该方法无论是在症状、舌象、脉象或程度副词的实体抽取结果准确率都要优于其他模型,说明在中医医案命名实体抽取研究中本文方法具有更强的命名实体识别能力,可以更好地应用于中医医案命名实体抽取研究。（2）为实现对肺癌医案四诊信息进行症状群及其组合规律的分析挖掘研究,本文首先将肺癌数据转化为5个共现矩阵,再利用Fast Unfolding算法对其进行社团划分。实验结果表明“临床表现—临床表现”、“临床表现—舌象”、“舌象—脉象”、“舌象—舌象”和“临床表现—脉象”分别可划分为5、4、3、2、2个社团。本文初步实现肺癌医案四诊信息的症状群特点及其组合规律研究,为最终肺癌医案四诊信息知识图谱构建提供实验基础。（3）为实现肺癌医案四诊信息相关知识图谱构建以及可视化展示,本文利用Neo4j技术将抽取到的实体以及实体间的关系转化成一种结构化、图形化的知识图谱形式。实验不仅可以直观地发现四诊信息相关实体间的关系,还能根据实验需求的不同生成多种肺癌医案四诊信息知识图谱,为深入开展肺癌领域相关研究和实体间潜在关系的发现奠定基础。